因為我們在 Day06 是用本機的 Container 跑 local MLflow tracking server，所以需要在原本的 train.py 裡面，記得加上這行

    mlflow.set_tracking_uri("http://mlflow-server.orb.local")

$ python train.py
Elasticnet model (alpha=0.500000, l1_ratio=0.500000):
  RMSE: 0.8222428497595401
  MAE: 0.6278761410160693
  R2: 0.12678721972772666

註冊模型至 MLflow

利用調整 alpha 值來觀察實驗結果。

$ python train.py 0.015625
Elasticnet model (alpha=0.015625, l1_ratio=0.500000):
  RMSE: 0.7670114004749511
  MAE: 0.6012312689357389
  R2: 0.24015762345496738

看來 R2 值有提升，而且 RMSE 也有下降。

再來，透過 MLflow ui 來更新已經註冊的模型。