НачатьНачать бесплатно

Flavour scikit-learn и оценка модели

В этом упражнении вы обучите модель классификации и оцените её качество. Модель использует набор данных Insurance Charges, чтобы классифицировать, были ли расходы для женщины или для мужчины.

Для начала мы запишем нашу модель в MLflow Tracking, используя flavour scikit-learn, а затем оценим её качество на наборе данных eval_data.

Набор данных для оценки создан как eval_data, а обученная модель называется lr_class. В eval_data входят X_test и y_test — данные получены путём разбиения с помощью функции train_test_split() из sklearn.

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

Модуль mlflow уже импортирован.

Это упражнение является частью курса

Введение в MLflow

Посмотреть курс

Инструкции к упражнению

  • Запишите модель lr_class в журнал, используя встроенный flavour scikit-learn.
  • Вызовите функцию evaluate() из модуля mlflow.
  • Передайте набор данных eval_data и укажите целевой столбец "sex".

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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"
)
Редактировать и запускать код