1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do MLflow
Connected

cvičení

Vlastní scikit-learn model

V tomto cvičení vytvoříš vlastní model pomocí flavoru pyfunc z MLflow. Při práci s datasetem insurance_charges je potřeba před trénováním změnit štítky: female na 0 a male na 1. Při použití modelu se pak místo hodnot 0 a 1 vrátí zpět řetězce female a male.

Vlastní model je klasifikační model založený na LogisticRegression a využívá třídu CustomPredict. Třída CustomPredict přidává do metody predict další krok, který převede štítky 0 a 1 zpět na female a male v okamžiku, kdy model obdrží vstupní data. Pro logování a načítání modelu budeš používat flavor pyfunc.

Dataset insurance_charges bude předzpracován a model natrénován pomocí:

lr_model = LogisticRegression().fit(X_train, y_train)

Modul MLflow bude naimportován.

Pokyny

100 XP
  • Použij flavor pyfunc z MLflow k zalogování vlastního modelu.
  • Nastav argument python_model flavoru pyfunc na vlastní třídu CustomPredict().
  • Načti vlastní model pomocí pyfunc.