เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Pickles

ถึงเวลาแล้วที่จะนำโมเดลแรกของคุณขึ้น production โมเดลที่ใช้คือ random forest classifier ซึ่งจะทำหน้าที่เป็น baseline ในขณะที่กำลังพัฒนาทางเลือกที่ดีกว่า คุณมีข้อมูลที่แบ่งเป็นชุด train และ test พร้อมชื่อตัวแปรตามปกติ ได้แก่ X_train, X_test, y_train และ y_test รวมถึงโมดูล RandomForestClassifier() และ pickle ซึ่งมีเมธอด .load() และ .dump() ที่จะใช้ในแบบฝึกหัดนี้

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การออกแบบ Machine Learning Workflows ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Fit random forest classifier กับข้อมูล โดยกำหนด random seed เป็น 42 เพื่อให้ผลลัพธ์ reproducible
  • เขียนโมเดลลงไฟล์โดยใช้ pickle เปิดไฟล์ปลายทางด้วย syntax with open(____) as ____
  • โหลดโมเดลจากไฟล์ไปยังตัวแปรชื่อใหม่ clf_from_file
  • เก็บผลการพยากรณ์จากโมเดลที่โหลดมาไว้ในตัวแปร preds

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.____
แก้ไขและรันโค้ด