Mulai sekarangMulai gratis

Menyimpan dan memuat model

Dengan Model API, model dapat dibagikan antar pengembang yang mungkin tidak memiliki akses ke server MLflow Tracking yang sama dengan menggunakan sistem berkas lokal.

Pada latihan ini, Anda akan melatih model LinearRegression baru dari model yang sudah ada menggunakan himpunan data Unicorn. Pertama, Anda akan memuat model yang sudah ada dari sistem berkas lokal. Lalu Anda akan melatih model baru berdasarkan model yang ada dan menyimpannya kembali ke sistem berkas lokal.

Model yang sudah ada telah disimpan ke sistem berkas lokal dalam direktori bernama "lr_local_v1". Modul mlflow sudah diimpor.

Latihan ini merupakan bagian dari kursus

Pengantar MLflow

Lihat Kursus

Instruksi latihan

  • Muat model dari direktori sistem berkas lokal "lr_local_v1" menggunakan pustaka scikit-learn dari modul MLflow.
  • Gunakan pustaka scikit-learn dari modul mlflow untuk menyimpan model secara lokal ke direktori bernama "lr_local_v2".

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Load model from local filesystem
model = ____.____.____("____")

# Training Data
X = df[["R&D Spend", "Administration", "Marketing Spend", "State"]]
y = df[["Profit"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
# Train Model
model.fit(X_train, y_train)

# Save model to local filesystem
____.____.____(____, "____")
Edit dan Jalankan Kode