ÎncepețiÎncepe gratuit

Provocarea campionului

După ce ai trimis modelul tău de pădure aleatorie în producție, te întrebi dacă un clasificator Naive Bayes nu ar fi mai bun. Vrei să realizezi un test de tip campion-challenger, comparând un model Naive Bayes, în rolul challenger-ului, cu modelul aflat în prezent în producție, pe care îl vei încărca din fișier pentru a evita orice confuzie. Vei folosi scorul F1 pentru evaluare. Ai la dispoziție datele X_train, X_test, y_train și y_test, ca înainte, precum și GaussianNB(), f1_score() și pickle().

Acest exercițiu face parte din cursul

Proiectarea fluxurilor de lucru pentru Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Încarcă modelul existent din memorie folosind pickle.
  • Antrenează un clasificator Gaussian Naive Bayes pe datele de antrenament.
  • Afișează scorul F1 al campionului și apoi al challenger-ului pe datele de testare.
  • Suprascrie modelul curent pe disc cu cel care a obținut performanța mai bună.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Load the current model from disk
champion = pickle.____(open('model.pkl', ____))

# Fit a Gaussian Naive Bayes to the training data
challenger = ____.____(X_train, y_train)

# Print the F1 test scores of both champion and challenger
print(____(y_test, champion.____(X_test)))
print(____)

# Write back to disk the best-performing model
with open('model.pkl', 'wb') as file:
    pickle.____(____, file=file)
Editează și rulează codul