开始使用免费开始使用

为项目运行添加参数

通过在训练过程中将参数作为变量传入模型，参数可用于配置模型的行为。这样，您无需修改训练代码本身，就能使用不同的参数多次训练模型。

在本练习中，您将使用 mlflow projects 模块来运行一个用于保险实验的 Logistic Regression 模型训练项目。您将编写使用 mlflow projects 模块运行项目的代码。随后，您会添加在训练时作为超参数传递给模型的参数。

本练习是课程的一部分

MLflow 入门

查看课程

练习说明

  • 从 mlflow projects 模块调用 mlflow.projects.run() 函数。
  • 创建参数字典，并将 n_jobs_param 设为 2，将 fit_intercept_param 设为 False。

交互式实操练习

通过完成这段示例代码来试试这个练习。

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
  	____={
        '____': ____, 
        '____': ____
    }
)
编辑并运行代码