MLFlow för loggning och hämtning av data
MLflow är en plattform med öppen källkod för att hantera ML-livscykeln. Den kan användas för att hålla koll på experiment, paketera kod i reproducerbara körningar samt dela och driftsätta modeller. I den här övningen loggar du några av parametrarna från ett träningsexperiment för din hjärtsjukdomsmodell. mlflow är importerat och den tränade hjärtsjukdomsmodellen model har lästs in åt dig.
Den här övningen är en del av kursen
End-to-End Machine Learning
Övningsinstruktioner
- Initiera ett MLflow-experiment med namnet
"Logistic Regression Heart Disease Prediction". - Starta en körning och logga den tränade modellens koefficient och intercept.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)