用于记录与检索数据的 MLflow

MLflow 是一个开源平台，用于管理机器学习的全生命周期。它可以用于跟踪实验、将代码打包为可复现的运行，以及共享和部署模型。在本练习中，您将为心脏病模型的训练实验记录部分参数。已为您导入 mlflow，并加载好了训练完成的心脏病 model。

本练习是课程的一部分

端到端机器学习

查看课程

练习说明

初始化一个名为 "Logistic Regression Heart Disease Prediction" 的 MLflow 实验。
启动一次运行，并记录已训练模型的系数与截距。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码