Обучение линейной модели с помощью Dask
Dask позволяет обучать модели машинного обучения на наборах данных, которые не помещаются в оперативную память, а также распределять загрузку данных, их предобработку и обучение между несколькими потоками, процессами и даже несколькими компьютерами.
Вам поручено обучить модель машинного обучения, которая будет предсказывать популярность песен из набора данных Spotify, с которым вы работали в предыдущих главах. Данные уже загружены в виде ленивых Dask DataFrame. Входные переменные доступны как dask_X и содержат несколько числовых столбцов, например темп и танцевальность песни. Целевые значения доступны как dask_y и представляют собой оценку популярности каждой песни.
Это упражнение является частью курса
Параллельное программирование с Dask на Python
Инструкции к упражнению
- Импортируйте класс
SGDRegressorизsklearn.linear_modelи классIncrementalизdask_ml.wrappers. - Создайте модель линейной регрессии
SGDRegressor. - Используйте класс
Incremental, чтобы обернуть модель для обучения на наборе данных Dask, и задайте параметруscoringзначение'neg_mean_squared_error'. - Обучите обёрнутую модель, выполнив один проход по данным.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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.____