เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ท้าทายแชมป์

หลังจากนำ random forest ขึ้น production แล้ว คุณเริ่มสงสัยว่า naive Bayes classifier อาจให้ผลลัพธ์ที่ดีกว่า จึงต้องการทดสอบแบบ champion-challenger โดยเปรียบเทียบ naive Bayes ในฐานะ challenger กับโมเดลที่ใช้งานอยู่ใน production ซึ่งจะโหลดจากไฟล์เพื่อให้แน่ใจว่าไม่มีความสับสน โดยใช้คะแนน F1 ในการประเมิน ข้อมูล X_train, X_test, y_train และ y_test พร้อมใช้งานเช่นเดิม รวมถึง GaussianNB(), f1_score() และ pickle()

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การออกแบบ Machine Learning Workflows ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • โหลดโมเดลที่มีอยู่จากหน่วยความจำโดยใช้ pickle
  • ฝึก Gaussian Naive Bayes classifier บนชุดข้อมูลฝึก
  • แสดงคะแนน F1 ของ champion จากนั้นแสดงคะแนนของ challenger บนชุดข้อมูลทดสอบ
  • เขียนทับโมเดลปัจจุบันบนดิสก์ด้วยโมเดลที่ให้ผลลัพธ์ดีที่สุด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด