1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do MLflow
Connected

ćwiczenie

Niestandardowy model scikit-learn

W tym ćwiczeniu stworzysz niestandardowy model przy użyciu smaku pyfunc biblioteki MLflow. Korzystając ze zbioru danych insurance_charges, etykiety muszą zostać zmienione z female na 0 oraz z male na 1 na potrzeby klasyfikacji podczas treningu. Gdy korzystasz z modelu, zamiast wartości 0 i 1 powinny być zwracane ciągi znaków female lub male.

Niestandardowy model to model klasyfikacji oparty na LogisticRegression, który wykorzystuje klasę CustomPredict. Klasa CustomPredict dodaje dodatkowy krok w metodzie predict – przekształca etykiety 0 i 1 z powrotem na female i male, gdy model otrzymuje dane wejściowe. Do rejestrowania i ładowania modelu użyjesz smaku pyfunc.

Zbiór danych insurance_charges zostanie wstępnie przetworzony, a model wytrenowany przy użyciu:

lr_model = LogisticRegression().fit(X_train, y_train)

Moduł MLflow zostanie zaimportowany.

Instrukcje

100 XP
  • Użyj smaku pyfunc biblioteki MLflow, aby zarejestrować niestandardowy model.
  • Ustaw argument python_model smaku pyfunc tak, aby korzystał z niestandardowej klasy CustomPredict().
  • Załaduj niestandardowy model przy użyciu pyfunc.