ComeçarComece gratuitamente

Salvando e carregando um modelo

Com o Model API, os modelos podem ser compartilhados entre desenvolvedores que talvez não tenham acesso ao mesmo servidor de rastreamento de fluxo MLusando um sistema de arquivos local.

Neste exercício, você treinará um novo modelo LinearRegression a partir de um modelo existente usando o conjunto de dados Unicorn. Primeiro, você carregará um modelo existente do sistema de arquivos local. Em seguida, você treinará um novo modelo a partir do modelo existente e o salvará de volta 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 será importado.

Este exercício faz parte do curso

Introdução ao fluxo ML

Ver Curso

Instruções de exercício

  • Carregue o modelo do diretório do sistema de arquivos local "lr_local_v1" usando a biblioteca scikit-learn do módulo de fluxo ML.
  • 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 preenchendo 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 código