Experiment Tracking Setup 技能：对比两次 MLflow 训练运行

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/experiment-tracking-setup/skills/setting-up-experiment-tracking` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/setting-up-experiment-tracking/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/setting-up-experiment-tracking`。

用 Claude Code 接入 MLflow 实验日志，让每次训练保存随机种子、参数、验证指标与数据说明文件。

在本地 MLflow 的 demo-orders 实验创建 depth-3、depth-5 两次运行。记录 max_depth 为 3 和 5、固定的 seed，以及验证 MAE。各上传相同格式的 dataset-summary.json。

实验列表有两次可识别的运行，参数、指标和数据摘要均可查看，团队能以相同数据切分复查结果。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、本地 MLflow 实例与同一份合成训练夹具。用相同验证切分对比两组参数。

还要记录数据版本、切分或随机种子、模型参数和必要的运行环境版本。