BaşlayınÜcretsiz başlayın

Şampiyona meydan oku

Rastgele ormanını üretime aldıktan sonra, bir naive Bayes sınıflandırıcısının daha iyi olabileceğinden şüphelendin. Şu anda üretimde olan modelle birebir aynı modeli dosyadan yükleyerek, karışıklık olmasın diye, meydan okuyucu olarak naive Bayes'i kullanıp bir şampiyon-meydan okuyucu testi yapmak istiyorsun. Değerlendirme için F1 puanını kullanacaksın. Daha önce olduğu gibi X_train, X_test, y_train ve y_test verilerin; ayrıca GaussianNB(), f1_score() ve pickle() hazır.

Bu egzersiz, kursun bir parçasıdır

Python'da Machine Learning İş Akışları Tasarlama

Kursa Göz Atın

Egzersiz talimatları

  • Var olan modeli bellekte pickle kullanarak yükle.
  • Eğitim verisine bir Gaussian Naive Bayes sınıflandırıcısı fit et.
  • Test verisi üzerinde önce şampiyonun, sonra meydan okuyanının F1 puanını yazdır.
  • En iyi performans göstereni mevcut modelin üzerine diske yaz.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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)
Kodu Düzenle ve Çalıştır