3. 使用DVC管理数据集版本

任务目标

在机器学习模型开发过程中，需要记录每次实验的超参数、指标和模型产物，以便对比不同实验效果并复现最佳模型。本案例使用MLflow Tracking完成一次完整的实验跟踪闭环：记录逻辑回归模型的超参数与评估指标，并将训练好的模型注册到MLflow Model Registry。

环境与依赖

pip install mlflow scikit-learn pandas

完整实现代码

import mlflow
import mlflow.sklearn
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, f1_score

# 1. 准备数据
data = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    data.data, data.target, test_size=0.2, random_state=42
)

# 2. 设置实验
mlflow.set_experiment("iris-classification")

# 3. 启动一次运行并记录
with mlflow.start_run(run_name="logreg-c1"):
    # 超参数
    C = 1.0
    solver = "lbfgs"
    mlflow.log_param("C", C)
    mlflow.log_param("solver", solver)
    mlflow.log_param("max_iter", 200)

    # 训练模型
    model = LogisticRegression(C=C, solver=solver, max_iter=200)
    model.fit(X_train, y_train)

    # 评估
    y_pred = model.predict(X_test)
    acc = accuracy_score(y_test, y_pred)
    f1 = f1_score(y_test, y_pred, average="weighted")

    # 记录指标
    mlflow.log_metric("accuracy", acc)
    mlflow.log_metric("f1_weighted", f1)

    # 记录模型
    mlflow.sklearn.log_model(model, "model")

    # 注册到Model Registry
    mlflow.register_model(
        model_uri=f"runs:/{mlflow.active_run().info.run_id}/model",
        name="IrisClassifier"
    )

    print(f"Run ID: {mlflow.active_run().info.run_id}")
    print(f"Accuracy: {acc:.4f}, F1: {f1:.4f}")

运行方式

# 启动MLflow UI（另开终端）
mlflow ui --port 5000

# 运行实验脚本
python experiment.py

验证方法与判定标准

执行脚本后，在终端看到输出的Run ID和指标值即表示运行成功。打开 http://localhost:5000，在MLflow UI中应能看到：

• 实验名称“iris-classification”下出现一条run记录，run_name为“logreg-c1”；
• Parameters栏包含C、solver、max_iter三个超参数；
• Metrics栏包含accuracy和f1_weighted两个指标，数值与终端输出一致；
• Artifacts栏包含model文件夹；
• 左侧Model Registry中注册了名为“IrisClassifier”的模型，版本为Version 1。

满足以上条件即判定实验跟踪闭环完成。

常见问题

• 端口冲突：若5000端口被占用，使用 mlflow ui --port 5001 更换端口。
• 模型注册失败：确认MLflow服务端已启动（默认使用本地文件存储），且当前目录有写入权限。
• 重复注册：每次运行脚本会为“IrisClassifier”创建新版本，可在UI中查看版本列表。