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

ćwiczenie

Smak scikit-learn i ewaluacja modelu

W tym ćwiczeniu wytrenujemy model klasyfikacyjny i ocenimy jego działanie. Model korzysta ze zbioru danych Insurance Charges, aby sklasyfikować, czy dane dotyczą kobiety, czy mężczyzny.

Zaczniemy od zalogowania modelu do MLflow Tracking przy użyciu smaku scikit-learn, a następnie ocenimy model na zbiorze eval_data.

Zbiór ewaluacyjny jest dostępny jako eval_data, a wytrenowany model nosi nazwę lr_class. Zbiór eval_data składa się z X_test i y_test, ponieważ dane treningowe zostały podzielone za pomocą funkcji train_test_split() z biblioteki sklearn.

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

Moduł mlflow jest już zaimportowany.

Instrukcje

100 XP
  • Zaloguj model lr_class przy użyciu wbudowanego smaku scikit-learn.
  • Wywołaj funkcję evaluate() z modułu mlflow.
  • Oceń zbiór danych eval_data, wskazując kolumnę "sex" jako wartości docelowe.