사용자 정의 scikit-learn 모델
이 연습 문제에서는 MLflow의 pyfunc flavor를 사용하여 사용자 정의 모델을 만들어 볼 거예요. insurance_charges 데이터셋을 사용할 때, 학습 중 분류를 위해 레이블을 female은 0, male은 1로 바꿔야 해요. 하지만 모델을 사용할 때는 0이나 1 대신 female 또는 male 문자열을 반환해야 합니다.
사용자 정의 모델은 LogisticRegression을 기반으로 한 Classification 모델이며, CustomPredict라는 클래스를 사용해요. CustomPredict는 predict 메서드에 추가 단계를 넣어, 모델이 입력을 받으면 예측 레이블 0과 1을 각각 female과 male로 되돌려 주도록 합니다. 모델 기록과 로딩에는 pyfunc flavor를 사용할 거예요.
insurance_charges 데이터셋은 전처리되며, 모델은 다음과 같이 학습됩니다:
lr_model = LogisticRegression().fit(X_train, y_train)
MLflow 모듈은 임포트되어 있어요.
이 연습은 강의의 일부입니다
MLflow 소개
연습 안내
- MLflow의
pyfuncflavor를 사용해 사용자 정의 모델을 기록하세요. pyfunc의python_model인자를 사용자 정의 클래스CustomPredict()로 설정하세요.pyfunc를 사용해 사용자 정의 모델을 로드하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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")