Registrando modelos ajustados
Você vem testando diferentes hiperparâmetros de modelo e precisa registrar sua última rodada de resultados de experimento no MLflow. Vamos lá!
Este exercício faz parte do curso
Projetando Pipelines de Previsão para Produção
Instruções do exercício
- Defina o nome do experimento como
"hyperparameter_tuning". - Faça um loop sobre o índice e as linhas de
df. - Inicie uma execução do MLflow.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Set the experiment name
experiment_name = "____"
experiment_id = mlflow.create_experiment(experiment_name)
# Loop through the DataFrame
for idx, row in df.____():
# Start a run
with mlflow.____(experiment_id=____):
model_params = ml_models[row["model_label"]].get_params()
model_params["model_name"] = row["model_name"]
model_params["model_label"] = row["model_label"]
model_params["partition"] = row["partition"]
model_params["lags"] = list(range(1, 24))
model_params["date_features"] = ["month", "day", "dayofweek", "week", "hour"]
mlflow.log_params(model_params)
mlflow.log_metric("mape", row["mape"])
mlflow.log_metric("rmse", row["rmse"])