НачатьНачать бесплатно

Вызов чемпиону

Вы запустили случайный лес в эксплуатацию, но вдруг засомневались: а вдруг наивный байесовский классификатор справится лучше? Вы хотите провести тест «чемпион против претендента»: сравнить наивный байес в роли претендента с моделью, которая сейчас работает в продакшене. Чтобы исключить путаницу, вы загрузите действующую модель из файла. Для оценки будет использоваться F1-показатель. Данные X_train, X_test, y_train и y_test доступны, как и прежде, а также GaussianNB(), f1_score() и pickle().

Это упражнение является частью курса

Проектирование рабочих процессов машинного обучения на Python

Посмотреть курс

Инструкции к упражнению

  • Загрузите существующую модель из памяти с помощью pickle.
  • Обучите классификатор Гауссовского наивного байеса на обучающих данных.
  • Выведите F1-показатель чемпиона, а затем претендента на тестовых данных.
  • Перезапишите текущую модель на диске той, которая показала наилучший результат.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)
Редактировать и запускать код