Utmana mästaren
Du har precis driftsatt din random forest-modell, men börjar nu undra om en naiv Bayes-klassificerare kanske presterar bättre. Du vill köra ett mästar-utmanartest och jämföra en naiv Bayes-modell, som utmanare, med exakt den modell som för närvarande är i produktion – vilken du laddar från fil för att undvika förväxling. Du använder F1-värdet för utvärderingen. Data som X_train, X_test, y_train och y_test finns tillgängliga som tidigare, liksom GaussianNB(), f1_score() och pickle().
Den här övningen är en del av kursen
Att designa maskininlärningsflöden i Python
Övningsinstruktioner
- Ladda den befintliga modellen från minnet med hjälp av
pickle. - Träna en gaussisk naiv Bayes-klassificerare på träningsdata.
- Skriv ut F1-värdet för mästaren och därefter utmanaren på testdata.
- Skriv över den nuvarande modellen på disk med den som presterade bäst.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)