ComeçarComece de graça

Avaliação e sabor do Scikit-learn

Neste exercício, você treinará um modelo de classificação e avaliará seu desempenho. O modelo usa o conjunto de dados Insurance Charges para classificar se as cobranças foram para uma mulher ou um homem.

Começaremos registrando nosso modelo no programa MLflow Tracking usando a variante do scikit-learn e terminaremos avaliando o modelo usando um conjunto de dados eval_data.

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

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

O módulo mlflow é importado.

Este exercício faz parte do curso

Introdução ao fluxo ML

Ver curso

Instruções do exercício

  • Registre o modelo lr_class usando a variante "integrada" do scikit-learn.
  • Chame a função evaluate() do módulo mlflow.
  • Avalie o conjunto de dados eval_data e direcione a coluna "sex".

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