ÎncepețiÎncepe gratuit

Flavor-ul scikit-learn și evaluarea modelului

În acest exercițiu vei antrena un model de clasificare și îi vei evalua performanța. Modelul folosește setul de date Insurance Charges pentru a clasifica dacă un cost a fost înregistrat pentru o persoană de sex feminin sau masculin.

Vom începe prin a înregistra modelul în MLflow Tracking folosind flavor-ul scikit-learn, apoi vom evalua modelul pe un set de date eval_data.

Setul de date de evaluare este creat ca eval_data, iar modelul este antrenat cu numele lr_class. eval_data va conține X_test și y_test, deoarece datele de antrenament au fost împărțite folosind funcția train_test_split() din sklearn.

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

Modulul mlflow este deja importat.

Acest exercițiu face parte din cursul

Introducere în MLflow

Vezi cursul

Instrucțiuni pentru exercițiu

  • Înregistrează modelul lr_class folosind flavor-ul „built-in" scikit-learn.
  • Apelează funcția evaluate() din modulul mlflow.
  • Evaluează setul de date eval_data și specifică coloana "sex" ca țintă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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"
)
Editează și rulează codul