ComeçarComece de graça

Flavor do scikit-learn e avaliação

Neste exercício, você vai treinar um modelo de classificação e avaliar seu desempenho. O modelo usa o seu conjunto de dados Insurance Charges para classificar se as cobranças foram para uma pessoa do sexo feminino ou masculino.

Vamos começar registrando nosso modelo no MLflow Tracking usando o flavor do scikit-learn e terminar avaliando seu modelo usando um conjunto de dados eval_data.

Seu conjunto de avaliação foi criado como eval_data e nosso modelo foi treinado com o nome lr_class. O eval_data é composto por X_test e y_test, pois os dados de treinamento foram divididos usando a função train_test_split() do sklearn.

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

O módulo mlflow já foi importado.

Este exercício faz parte do curso

Introdução ao MLflow

Ver curso

Instruções do exercício

  • Registre o modelo lr_class usando o flavor "nativo" do scikit-learn.
  • Chame a função evaluate() do módulo mlflow.
  • Avalie o conjunto eval_data e defina a coluna "sex" como alvo.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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"
)
Editar e executar o código