MulaiMulai sekarang secara gratis

Model scikit-learn kustom

Dalam latihan ini, Anda akan membuat model kustom menggunakan flavor pyfunc dari MLflow. Dengan himpunan data insurance_charges, label harus diubah dari female menjadi 0 dan male menjadi 1 untuk klasifikasi saat pelatihan. Saat menggunakan model, string female atau male harus dikembalikan alih-alih 0 atau 1.

Model kustom ini adalah model Klasifikasi berbasis LogisticRegression dan akan menggunakan Kelas bernama CustomPredict. CustomPredict menambahkan langkah tambahan pada metode predict yang mengembalikan label 0 dan 1 menjadi female dan male ketika model menerima masukan. Anda akan menggunakan flavor pyfunc untuk mencatat dan memuat model Anda.

Himpunan data insurance_charges akan dipraproses dan model akan dilatih menggunakan:

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

Modul MLflow akan diimpor.

Latihan ini adalah bagian dari kursus

Pengantar MLflow

Lihat Kursus

Petunjuk latihan

  • Gunakan flavor pyfunc dari MLflow untuk mencatat model kustom.
  • Atur argumen python_model pada pyfunc untuk menggunakan Kelas Kustom CustomPredict().
  • Muat model kustom menggunakan pyfunc.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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")
Edit dan Jalankan Kode