ComeçarComece de graça

Salvando e carregando um modelo

Com a API de Modelos, você pode compartilhar modelos entre desenvolvedores que talvez não tenham acesso ao mesmo servidor de MLflow Tracking usando o sistema de arquivos local.

Neste exercício, você vai treinar um novo modelo LinearRegression a partir de um modelo existente usando o conjunto de dados Unicorn. Primeiro, você vai carregar um modelo existente do sistema de arquivos local. Depois, vai treinar um novo modelo a partir do modelo existente e salvá-lo novamente no sistema de arquivos local.

O modelo existente foi salvo no sistema de arquivos local em um diretório chamado "lr_local_v1". O módulo mlflow já foi importado.

Este exercício faz parte do curso

Introdução ao MLflow

Ver curso

Instruções do exercício

  • Carregue o modelo do diretório "lr_local_v1" no sistema de arquivos local usando a biblioteca scikit-learn do módulo MLflow.
  • Usando a biblioteca scikit-learn do módulo mlflow, salve o modelo localmente em um diretório chamado "lr_local_v2".

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Load model from local filesystem
model = ____.____.____("____")

# Training Data
X = df[["R&D Spend", "Administration", "Marketing Spend", "State"]]
y = df[["Profit"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
# Train Model
model.fit(X_train, y_train)

# Save model to local filesystem
____.____.____(____, "____")
Editar e executar o código