शुरू करेंमुफ़्त में शुरू करें

Scikit-learn फ्लेवर और मूल्यांकन

इस अभ्यास में आप एक classification मॉडल ट्रेन करेंगे और उसके प्रदर्शन का मूल्यांकन करेंगे. यह मॉडल आपके Insurance Charges डेटासेट का उपयोग करके यह classify करेगा कि चार्जेस महिला के लिए थे या पुरुष के लिए.

हम scikit-learn फ्लेवर का उपयोग करके अपने मॉडल को MLflow Tracking में लॉग करने से शुरू करेंगे और अंत में eval_data डेटासेट का उपयोग करके आपके मॉडल का मूल्यांकन करेंगे.

आपका evaluation डेटासेट eval_data के रूप में बनाया गया है और हमारा मॉडल lr_class नाम से ट्रेन किया गया है. eval_data में X_test और y_test शामिल होंगे क्योंकि training डेटा को sklearn के train_test_split() फंक्शन से विभाजित किया गया था.

# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)

mlflow मॉड्यूल इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

MLflow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • scikit-learn के "built-in" फ्लेवर का उपयोग करके lr_class मॉडल को लॉग करें.
  • mlflow मॉड्यूल से evaluate() फंक्शन कॉल करें.
  • eval_data डेटासेट का मूल्यांकन करें और target के रूप में "sex" कॉलम दें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Eval Data
eval_data = X_test
eval_data["sex"] = y_test
# Log the lr_class model using Scikit-Learn Flavor
___.___.___(____, "model")

# Get run id
run = mlflow.last_active_run()
run_id = run.info.run_id

# Evaluate the logged model with eval_data data
___.___(f"runs:/{run_id}/model", 
        ____=____, 
        ____="____",
        model_type="classifier"
)
कोड संपादित करें और चलाएँ