1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do MLflow
Connected

ćwiczenie

Dodawanie parametrów do MLproject

Definiowanie parametrów w projektach MLflow pozwala uczynić kod uczenia maszynowego reprodukowalnym. Parametry upraszczają też uruchamianie eksperymentów treningowych z różnymi ustawieniami – bez konieczności modyfikowania kodu.

W tym ćwiczeniu dodasz parametry do pliku MLproject dla głównego punktu wejścia. Ten punkt wejścia służy do uruchamiania skryptu train_model.py, który trenuje model regresji logistycznej na danych ubezpieczeniowych.

Skrypt przyjmuje dwa parametry: n_jobs oraz fit_intercept – są to hiperparametry używane podczas trenowania modelu. Najpierw dodasz parametr n_jobs do pliku MLproject, następnie parametr fit_intercept, a na końcu przekażesz oba parametry do polecenia wykonywanego w głównym punkcie wejścia.

Instrukcje

100 XP
  • Utwórz parametr o nazwie n_jobs typu int z domyślną wartością 1.
  • Utwórz drugi parametr o nazwie fit_intercept typu bool z domyślną wartością True.
  • Przekaż oba parametry do polecenia, dbając o to, aby n_jobs był pierwszy, a po nim fit_intercept.