Začněte nyníZačněte zdarma

Scikit-learn flavor a vyhodnocení modelu

V tomto cvičení natrénuješ klasifikační model a vyhodnotíš jeho výkon. Model využívá dataset Insurance Charges k tomu, aby klasifikoval, zda se pojistné náklady týkají ženy nebo muže.

Začneme zalogováním modelu do MLflow Tracking pomocí scikit-learn flavoru a zakončíme vyhodnocením modelu na datasetu eval_data.

Evaluační dataset je připraven jako eval_data a model je natrénován pod názvem lr_class. Dataset eval_data se skládá z X_test a y_test, přičemž trénovací data byla rozdělena pomocí funkce train_test_split() z knihovny sklearn.

# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)

Modul mlflow je již naimportován.

Toto cvičení je součástí kurzu

Úvod do MLflow

Zobrazit kurz

Pokyny k cvičení

  • Zaloguj model lr_class pomocí scikit-learn "built-in" flavoru.
  • Zavolej funkci evaluate() z modulu mlflow.
  • Vyhodnoť dataset eval_data a jako cílový sloupec zadej "sex".

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Eval Data
eval_data = X_test
eval_data["sex"] = y_test
# Log the lr_class model using Scikit-Learn Flavor
___.___.___(____, "model")

# Get run id
run = mlflow.last_active_run()
run_id = run.info.run_id

# Evaluate the logged model with eval_data data
___.___(f"runs:/{run_id}/model", 
        ____=____, 
        ____="____",
        model_type="classifier"
)
Upravit a spustit kód