LoslegenKostenlos loslegen

Fordere den Champion heraus

Nachdem du deinen Random Forest in Produktion gebracht hast, kommt dir der Gedanke, dass ein Naive-Bayes-Klassifikator vielleicht besser wäre. Du möchtest einen Champion-Challenger-Test durchführen, indem du einen Naive Bayes als Herausforderer mit genau dem Modell vergleichst, das derzeit in Produktion ist. Dieses lädst du aus einer Datei, um Verwechslungen zu vermeiden. Zur Bewertung verwendest du den F1-Score. Wie zuvor stehen dir die Daten X_train, X_test, y_train und y_test zur Verfügung sowie GaussianNB(), f1_score() und pickle().

Diese Übung ist Teil des Kurses

Machine-Learning-Workflows in Python entwerfen

Kurs anzeigen

Anleitung zur Übung

  • Lade das bestehende Modell aus dem Speicher mithilfe von pickle.
  • Trainiere einen Gaussian-Naive-Bayes-Klassifikator auf den Trainingsdaten.
  • Gib den F1-Score des Champions und anschließend des Herausforderers auf den Testdaten aus.
  • Überschreibe das aktuelle Modell auf der Festplatte mit dem Modell, das am besten abgeschnitten hat.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Load the current model from disk
champion = pickle.____(open('model.pkl', ____))

# Fit a Gaussian Naive Bayes to the training data
challenger = ____.____(X_train, y_train)

# Print the F1 test scores of both champion and challenger
print(____(y_test, champion.____(X_test)))
print(____)

# Write back to disk the best-performing model
with open('model.pkl', 'wb') as file:
    pickle.____(____, file=file)
Code bearbeiten und ausführen