ComenzarEmpieza gratis

Desafía al campeón

Después de llevar tu random forest a producción, te entra la duda de que un clasificador Naive Bayes podría ser mejor. Quieres ejecutar una prueba champion-challenger, comparando un Naive Bayes, actuando como retador, con exactamente el modelo que ahora mismo está en producción, que cargarás desde un archivo para evitar confusiones. Usarás la puntuación F1 para evaluar. Tienes los datos X_train, X_test, y_train y y_test como antes, y cuentas con GaussianNB(), f1_score() y pickle().

Este ejercicio forma parte del curso

Diseño de flujos de trabajo de Machine Learning en Python

Ver curso

Instrucciones del ejercicio

  • Carga el modelo existente desde memoria usando pickle.
  • Ajusta un clasificador Gaussian Naive Bayes a los datos de entrenamiento.
  • Imprime primero la puntuación F1 del campeón y luego la del retador en los datos de prueba.
  • Sobrescribe en disco el modelo actual con el que haya rendido mejor.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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)
Editar y ejecutar código