Ghi log các mô hình đã tinh chỉnh
Bạn đã thử nghiệm với nhiều siêu tham số mô hình khác nhau và cần ghi log vòng kết quả thử nghiệm mới nhất lên MLflow — cùng thực hiện nào!
Bài tập này là một phần của khóa học
Thiết kế Pipeline Dự báo cho Môi trường Production
Hướng dẫn bài tập
- Đặt tên thí nghiệm là
"hyperparameter_tuning". - Lặp qua chỉ mục và các hàng của
df. - Bắt đầu một phiên chạy MLflow.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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"])