Dask की मदद से एक लीनियर मॉडल ट्रेन करना
Dask का उपयोग ऐसे डेटासेट्स पर मशीन लर्निंग मॉडल ट्रेन करने के लिए किया जा सकता है जो मेमोरी में फिट नहीं होते. यह डेटा लोडिंग, प्रीप्रोसेसिंग, और ट्रेनिंग को कई थ्रेड्स, प्रोसेसेज़, और यहाँ तक कि कई कंप्यूटर्स में भी वितरित करने देता है.
आपको एक मशीन लर्निंग मॉडल ट्रेन करने का काम सौंपा गया है जो पिछले चैप्टर्स में उपयोग किए गए Spotify डेटासेट में गानों की लोकप्रियता का अनुमान लगाएगा. डेटा पहले से lazy Dask DataFrames के रूप में लोड किया गया है. इनपुट वैरिएबल्स dask_X के रूप में उपलब्ध हैं और इनमें कुछ न्यूमेरिक कॉलम शामिल हैं, जैसे गाने का टेम्पो और डांसएबिलिटी. टार्गेट वैल्यूज़ dask_y के रूप में उपलब्ध हैं और ये हर गाने का पॉपुलैरिटी स्कोर हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Dask के साथ Parallel Programming
अभ्यास निर्देश
sklearn.linear_modelसेSGDRegressorक्लास औरdask_ml.wrappersसेIncrementalक्लास इंपोर्ट करें.- एक
SGDRegressorलीनियर रिग्रेशन मॉडल बनाएँ. - मॉडल को Dask डेटासेट के साथ ट्रेन करने योग्य बनाने के लिए
Incrementalक्लास से उसे रैप करें, औरscoringपैरामीटर को'neg_mean_squared_error'पर सेट करें. - लिपटे हुए मॉडल को डेटा पर केवल एक ही लूप का उपयोग करके फिट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the SGDRegressor and the Incremental wrapper
from ____ import ____
from ____ import ____
# Create a SGDRegressor model
model = ____
# Wrap the model so that it works with Dask
dask_model = ____
# Fit the wrapped model
dask_model.____