시작하기무료로 시작하기

Scikit-learn flavor와 평가

이 연습 문제에서는 분류 모델을 학습하고 성능을 평가해 봅니다. 이 모델은 Insurance Charges 데이터셋을 사용해 요금이 여성인지 남성인지에 따라 청구되었는지 분류합니다.

먼저 scikit-learn flavor를 사용해 모델을 MLflow Tracking에 로깅하고, 마지막에는 eval_data 데이터셋을 사용해 모델을 평가하겠습니다.

평가용 데이터셋은 eval_data로 준비되어 있으며, 모델은 lr_class라는 이름으로 학습되어 있습니다. eval_data는 학습 데이터가 sklearn의 train_test_split() 함수로 분할되면서 생성된 X_test와 y_test로 구성됩니다.

# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)

mlflow 모듈은 이미 import되어 있습니다.

이 연습은 강의의 일부입니다

MLflow 소개

강의 보기

연습 안내

  • scikit-learn의 "built-in" flavor를 사용해 lr_class 모델을 로깅하세요.
  • mlflow 모듈의 evaluate() 함수를 호출하세요.
  • eval_data 데이터셋을 평가하고 대상 열은 "sex"로 지정하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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"
)
코드 편집 및 실행