Adição de parâmetros à execução do projeto
Os parâmetros podem ser usados para configurar o comportamento de um modelo, sendo passados como variáveis para o modelo durante o treinamento. Isso permite que você treine o modelo várias vezes usando parâmetros diferentes sem modificar o próprio código de treinamento.
Neste exercício, você usará o módulo mlflow projects
para executar um projeto usado para treinar um modelo de regressão logística para o seu experimento de seguro. Você criará um código usando o módulo mlflow projects
que executará seu projeto. Em seguida, você adicionará parâmetros que serão passados como hiperparâmetros para o modelo durante o treinamento.
Este exercício faz parte do curso
Introdução ao fluxo ML
Instruções do exercício
- Chame a função
mlflow.projects.run()
do módulomlflow projects
. - Crie o dicionário de parâmetros e defina
n_jobs_param
como 2 efit_intercept_param
comoFalse
.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
import mlflow
# Set the run function from the MLflow Projects module
____.____.____(
uri='./',
entry_point='main',
experiment_name='Insurance',
env_manager='local',
# Set parameters for n_jobs and fit_intercept
____={
'____': ____,
'____': ____
}
)