Pesquisando resultados de experimentos
O MLflow facilita consultar os resultados dos seus experimentos, ajudando você a acompanhar o desempenho dos modelos e os hiperparâmetros.
Vamos analisar seu experimento mais recente, encontrando o modelo com o menor Mean Absolute Percentage Error (MAPE).
Este exercício faz parte do curso
Projetando Pipelines de Previsão para Produção
Instruções do exercício
- Busque as execuções do MLflow pelo
experiment_name. - Obtenha o único modelo de melhor desempenho em
all_resultscom base emmetrics.mape. - Imprima o subconjunto de
best_mape_model.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
experiment_name = "hyperparameter_tuning"
# Search MLflow runs
all_results = mlflow.____(experiment_names=[____])
# Filter for the model with the best MAPE score
best_mape_model = all_results.____("metrics.mape").head(____)
# Print the model
print(____[["params.model_name", "metrics.mape"]])