MLFlow для записи и получения данных
MLflow — это платформа с открытым исходным кодом для управления жизненным циклом моделей машинного обучения. С её помощью можно отслеживать эксперименты, упаковывать код в воспроизводимые запуски, а также делиться моделями и развёртывать их. В этом упражнении вы зафиксируете некоторые параметры обучающего эксперимента для модели предсказания болезней сердца. Объект mlflow уже импортирован, а обученная model загружена.
Это упражнение является частью курса
Сквозное машинное обучение
Инструкции к упражнению
- Инициализируйте эксперимент MLflow с именем
"Logistic Regression Heart Disease Prediction". - Запустите эксперимент и зафиксируйте коэффициент и свободный член обученной модели.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Initialize the MLflow experiment
____.____("Logistic Regression Heart Disease Prediction")
# Start a run, log model coefficients and intercept
with ____.____:
for idx, coef in enumerate(model.coef_[0]):
____.____(f"coef_{idx}", ____)
____.____("intercept", model.intercept_[0])
run_id = mlflow.active_run().info.run_id
print(run_id)