เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การใช้ Dask เพื่อเทรน Linear Model

Dask สามารถใช้เทรนโมเดล machine learning บนชุดข้อมูลที่มีขนาดใหญ่เกินกว่าจะโหลดลงหน่วยความจำได้ทั้งหมด และยังช่วยกระจายงานโหลดข้อมูล การประมวลผลเบื้องต้น และการเทรนไปยังหลาย thread, หลาย process หรือแม้แต่หลายเครื่องพร้อมกัน

คุณได้รับมอบหมายให้เทรนโมเดล machine learning เพื่อทำนายความนิยมของเพลงในชุดข้อมูล Spotify ที่ใช้ในบทก่อนหน้า ข้อมูลถูกโหลดเป็น Dask DataFrame แบบ lazy ไว้แล้ว ตัวแปรอินพุตอยู่ใน dask_X ซึ่งประกอบด้วยคอลัมน์ตัวเลขต่าง ๆ เช่น จังหวะและความสนุกในการเต้นของเพลง ส่วนค่าเป้าหมายอยู่ใน dask_y ซึ่งเป็นคะแนนความนิยมของแต่ละเพลง

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Parallel Programming with Dask in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import คลาส SGDRegressor จาก sklearn.linear_model และคลาส Incremental จาก dask_ml.wrappers
  • สร้างโมเดล linear regression ด้วย SGDRegressor
  • ใช้คลาส Incremental ครอบโมเดลเพื่อให้สามารถเทรนกับชุดข้อมูล Dask ได้ และกำหนดพารามิเตอร์ scoring เป็น 'neg_mean_squared_error'
  • เทรนโมเดลที่ครอบไว้โดยวนลูปผ่านข้อมูลเพียงหนึ่งรอบ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.____
แก้ไขและรันโค้ด