scikit-learn フレーバーと評価
この演習では、分類モデルを学習し、その性能を評価します。モデルは Insurance Charges データセットを用いて、請求が女性か男性かを分類します。
まず、scikit-learn フレーバーを使ってモデルを MLflow Tracking にロギングし、最後に eval_data データセットを使ってモデルを評価します。
評価用データセットは eval_data として作成済みで、学習済みモデルの名前は lr_class です。eval_data は、学習データを sklearn の train_test_split() 関数で分割した結果である X_test と y_test から成ります。
# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)
mlflow モジュールはインポート済みです。
この演習はコースの一部です
MLflow 入門
演習の手順
- scikit-learn の「組み込み」フレーバーを使って、
lr_classモデルをロギングしてください。 mlflowモジュールのevaluate()関数を呼び出してください。eval_dataデータセットを評価し、ターゲットに"sex"列を指定してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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"
)