Pickle
드디어 첫 모델을 프로덕션에 배포해 볼 차례예요. 더 나은 대안을 개발하는 동안 기준선으로 사용할 랜덤 포레스트 분류기를 배포할 거예요. 학습/테스트로 분할된 데이터(X_train, X_test, y_train, y_test)와 함께, 이번 연습 문제에 필요한 RandomForestClassifier()와 pickle 모듈에 접근할 수 있어요. 여기서는 pickle의 .load()와 .dump() 메서드를 사용하게 됩니다.
이 연습은 강의의 일부입니다
Python으로 설계하는 Machine Learning 워크플로
연습 안내
- 랜덤 포레스트 분류기를 데이터에 학습하세요. 결과 재현을 위해 랜덤 시드를 42로 고정하세요.
- pickle을 사용해 모델을 파일로 저장하세요. 대상 파일은
with open(____) as ____구문으로 여세요. - 이제 파일에서 모델을 불러와 다른 변수명
clf_from_file에 저장하세요. - 불러온 모델의 예측 값을 변수
preds에 저장하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Fit a random forest to the training set
clf = ____(____=42).____(
X_train, y_train)
# Save it to a file, to be pushed to production
with ____('model.pkl', ____) as ____:
pickle.____(clf, file=file)
# Now load the model from file in the production environment
with ____ as file:
clf_from_file = pickle.____(file)
# Predict the labels of the test dataset
preds = clf_from_file.____