НачатьНачать бесплатно

Pickle-файлы

Наконец, пришло время развернуть вашу первую модель в продакшене. Это классификатор на основе случайного леса, который будет использоваться в качестве базовой линии, пока вы работаете над более совершенной альтернативой. Вам доступны данные, разбитые на обучающую и тестовую выборки со стандартными именами: X_train, X_test, y_train и y_test, а также модули RandomForestClassifier() и pickle с методами .load() и .dump(), которые потребуются в этом упражнении.

Это упражнение является частью курса

Проектирование рабочих процессов машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Обучите классификатор на основе случайного леса на данных. Зафиксируйте случайный seed равным 42, чтобы обеспечить воспроизводимость результатов.
  • Сохраните модель в файл с помощью pickle. Откройте файл назначения, используя синтаксис with open(____) as ____.
  • Загрузите модель из файла в новую переменную clf_from_file.
  • Сохраните предсказания загруженной модели в переменную preds.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Fit a random forest to the training set
clf = ____(____=42).____(
  X_train, y_train)

# Save it to a file, to be pushed to production
with ____('model.pkl', ____) as ____:
    pickle.____(clf, file=file)

# Now load the model from file in the production environment
with ____ as file:
    clf_from_file = pickle.____(file)

# Predict the labels of the test dataset
preds = clf_from_file.____
Редактировать и запускать код