9、使用MLFlow进行模型训练、评估与验证

使用MLFlow进行模型训练、评估与验证

1. 训练与评估函数定义

在开始训练和评估模型之前，我们需要定义训练和评估函数，同时将MLFlow集成到代码中。

1.1 训练函数

def train(sk_model, x_train, y_train):
    sk_model = sk_model.fit(x_train, y_train)
    train_acc = sk_model.score(x_train, y_train)
    mlflow.log_metric("train_acc", train_acc)
    print(f"Train Accuracy: {train_acc:.3%}")

在这个训练函数中，我们使用 mlflow.log_metric 记录训练准确率，这样可以在每次运行时跟踪该指标，方便后续比较不同运行的指标，从而选择最优模型。

1.2 评估函数

def evaluate(sk_model, x_test, y_test):
    eval_acc = sk_model.score(x_test, y_test)
    preds = sk_model.predict(x_test)
    auc_score = roc_auc_score(y_test, preds)
    mlflow.log_metric("eval_acc", eval_acc)
    mlflow.log_met