Antrenarea unui model liniar cu Dask

Dask poate fi folosit pentru a antrena modele de machine learning pe seturi de date prea mari pentru a încăpea în memorie și îți permite să distribui încărcarea datelor, preprocesarea și antrenarea pe mai multe fire de execuție, procese sau chiar calculatoare.

Ai primit sarcina de a antrena un model de machine learning care să prezică popularitatea melodiilor din setul de date Spotify folosit în capitolele anterioare. Datele au fost deja încărcate sub formă de Dask DataFrame-uri lazy. Variabilele de intrare sunt disponibile ca dask_X și conțin câteva coloane numerice, precum tempo-ul și dansabilitatea melodiei. Valorile țintă sunt disponibile ca dask_y și reprezintă scorul de popularitate al fiecărei melodii.

Acest exercițiu face parte din cursul

Programare paralelă cu Dask în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă clasa SGDRegressor din sklearn.linear_model și clasa Incremental din dask_ml.wrappers.
Creează un model de regresie liniară SGDRegressor.
Folosește clasa Incremental pentru a împacheta modelul, astfel încât să poată fi antrenat cu un set de date Dask, și setează parametrul scoring la 'neg_mean_squared_error'.
Antrenează modelul împachetat printr-o singură parcurgere a datelor.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the SGDRegressor and the Incremental wrapper
from ____ import ____
from ____ import ____

# Create a SGDRegressor model
model = ____

# Wrap the model so that it works with Dask
dask_model = ____

# Fit the wrapped model
dask_model.____

Editează și rulează codul