CommencezCommencez gratuitement

Charger des modèles à partir du Model Registry

Dans cet exercice, vous allez utiliser la saveur scikit-learn pour déployer le modèle "Insurance" le plus stable à partir du MLflow Model Registry, puis utiliser des données de test pour obtenir une prédiction du modèle.

Le modèle utilise LogisticRegression pour prédire si une réclamation d'assurance provient d'un homme ou d'une femme, étiqueté 1 ou 0. Vous allez charger le modèle puis faire des prédictions à l'aide d'un ensemble de test appelé X_test.

Le module MLflow sera importé.

Cette activité fait partie du cours

Introduction à MLflow

Voir le cours

Instructions de l’exercice

  • Avec la saveur scikit-learn, chargez la version "Production" du modèle "Insurance" en utilisant la convention pour récupérer des modèles à partir du Registry comme URI du modèle.
  • En utilisant le modèle chargé, exécutez une prédiction sur les données de test de train_test_split utilisées pendant l'entraînement du modèle.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Load the Production stage of Insurance model using scikit-learn flavor
model = ____.____.____("____")

# Run prediction on our test data
____.____(____)
Modifier et exécuter le code