शुरू करेंमुफ़्त में शुरू करें

चैंपियन को चुनौती दें

आपने अपना रैंडम फ़ॉरेस्ट प्रोडक्शन में डाल दिया है, लेकिन अचानक चिंता होती है कि एक Naive Bayes क्लासिफायर बेहतर हो सकता है. आप एक चैंपियन-चैलेंजर टेस्ट चलाना चाहते हैं, जहाँ Naive Bayes चैलेंजर की भूमिका में है, और उसकी तुलना ठीक उसी मॉडल से करनी है जो इस समय प्रोडक्शन में है, जिसे आप किसी भी भ्रम से बचने के लिए फ़ाइल से लोड करेंगे. आप आकलन के लिए F1 स्कोर का उपयोग करेंगे. आपके पास पहले की तरह X_train, X_test, y_train और y_test डेटा उपलब्ध है और GaussianNB(), f1_score() और pickle() भी.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में मशीन लर्निंग वर्कफ़्लो डिज़ाइन करना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • pickle का उपयोग करके मेमोरी से मौजूदा मॉडल लोड करें.
  • ट्रेनिंग डेटा पर एक Gaussian Naive Bayes क्लासिफायर फिट करें.
  • टेस्ट डेटा पर पहले चैंपियन और फिर चैलेंजर का F1 स्कोर प्रिंट करें.
  • जो मॉडल सबसे अच्छा प्रदर्शन करे, उससे डिस्क पर मौजूदा मॉडल को ओवरराइट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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)
कोड संपादित करें और चलाएँ