Salvarea și încărcarea unui model
Prin intermediul Model API, modelele pot fi partajate între dezvoltatori care s-ar putea să nu aibă acces la același server MLflow Tracking, folosind în schimb sistemul de fișiere local.
În acest exercițiu, vei antrena un nou model LinearRegression pornind de la unul existent, folosind setul de date Unicorn. Mai întâi, vei încărca modelul existent din sistemul de fișiere local. Apoi vei antrena un model nou pe baza celui existent și îl vei salva înapoi în sistemul de fișiere local.
Modelul existent a fost salvat în sistemul de fișiere local, într-un director numit "lr_local_v1". Modulul mlflow va fi importat.
Acest exercițiu face parte din cursul
Introducere în MLflow
Instrucțiuni pentru exercițiu
- Încarcă modelul din directorul
"lr_local_v1"din sistemul de fișiere local, folosind biblioteca scikit-learn din modulul MLflow. - Folosind biblioteca scikit-learn din modulul
mlflow, salvează modelul local într-un director numit"lr_local_v2".
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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
____.____.____(____, "____")