शुरू करेंमुफ़्त में शुरू करें

कस्टम scikit-learn मॉडल

इस अभ्यास में आप MLflow के pyfunc फ्लेवर का उपयोग करके एक कस्टम मॉडल बनाएँगे. insurance_charges डेटासेट का उपयोग करते समय, प्रशिक्षण के दौरान क्लासिफिकेशन के लिए लेबल्स को female से 0 और male से 1 में बदलना होगा. मॉडल का उपयोग करते समय, 0 या 1 की जगह female या male स्ट्रिंग्स वापस आनी चाहिए.

कस्टम मॉडल LogisticRegression पर आधारित एक Classification मॉडल है और CustomPredict नाम की क्लास का उपयोग करेगा. CustomPredict predict मेथड में एक अतिरिक्त स्टेप जोड़ता है, जो इनपुट मिलने पर आपके 0 और 1 वाले लेबल्स को वापस female और male में मैप कर देता है. आप अपने मॉडल को लॉग और लोड करने के लिए pyfunc फ्लेवर का उपयोग करेंगे.

हमारे insurance_charges डेटासेट को प्रीप्रोसेस किया जाएगा और मॉडल को इस तरह ट्रेन किया जाएगा:

lr_model = LogisticRegression().fit(X_train, y_train)

MLflow मॉड्यूल इम्पोर्ट कर लिया जाएगा.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • MLflow के pyfunc फ्लेवर का उपयोग करके कस्टम मॉडल लॉग करें.
  • pyfunc के python_model आर्गुमेंट को कस्टम क्लास CustomPredict() पर सेट करें.
  • pyfunc का उपयोग करके कस्टम मॉडल लोड करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Log the pyfunc model 
____.____.____(
	artifact_path="lr_pyfunc", 
    # Set model to use CustomPredict Class
	python_model=____, 
	artifacts={"lr_model": "lr_model"}
)

run = mlflow.last_active_run()
run_id = run.info.run_id

# Load the model in python_function format
loaded_model = ____.____.____(f"runs:/{run_id}/lr_pyfunc")
कोड संपादित करें और चलाएँ