Valutazione e sapore di Scikit-learn
In questo esercizio addestrerai un modello di classificazione e ne valuterai le prestazioni. Il modello utilizza il tuo dataset Insurance Charges per classificare se gli addebiti riguardano una donna o un uomo.
Inizieremo registrando il nostro modello in MLflow Tracking utilizzando il sapore di scikit-learn e finiremo con la valutazione del modello utilizzando un dataset di eval_data.
Il tuo dataset di valutazione viene creato come eval_data e il nostro modello viene addestrato con il nome lr_class. eval_data sarà composto da X_test e y_test poiché i dati di formazione sono stati divisi utilizzando la funzione train_test_split() da sklearn.
# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)
Il modulo mlflow viene importato.
Questo esercizio fa parte del corso
Introduzione a MLflow
Istruzioni dell'esercizio
- Registra il modello di
lr_classutilizzando il modello "integrato" di scikit-learn. - Chiama la funzione
evaluate()dal modulomlflow. - Valuta il dataset
eval_datae punta alla colonna"sex".
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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"
)