BaşlayınÜcretsiz Başlayın

Özel scikit-learn modeli

Bu egzersizde MLflow'un pyfunc flavor'ını kullanarak özel bir model oluşturacaksın. insurance_charges veri kümesini kullanırken, eğitim sırasında sınıflandırma için etiketler female → 0 ve male → 1 olarak çevrilmelidir. Modeli kullanırken ise 0 veya 1 yerine female ya da male string'leri döndürülmelidir.

Özel model, LogisticRegression tabanlı bir Sınıflandırma modelidir ve CustomPredict adlı bir Sınıf kullanacaktır. CustomPredict, predict metodunda fazladan bir adım ekleyerek, model girdi aldığında 0 ve 1 etiketlerini tekrar female ve male olarak ayarlar. Modelini kaydetmek ve yüklemek için pyfunc flavor'ını kullanacaksın.

insurance_charges veri kümemiz ön işlenecek ve model şu şekilde eğitilecektir:

lr_model = LogisticRegression().fit(X_train, y_train)

MLflow modülü içe aktarılmış olacak.

Bu egzersiz

MLflow’a Giriş

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • Özel modeli kaydetmek için MLflow'un pyfunc flavor'ını kullan.
  • pyfunc içindeki python_model argümanını, CustomPredict() adlı Özel Sınıfı kullanacak şekilde ayarla.
  • Özel modeli pyfunc kullanarak yükle.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Log the pyfunc model 
____.____.____(
	artifact_path="lr_pyfunc", 
    # Set model to use CustomPredict Class
	python_model=____, 
	artifacts={"lr_model": "lr_model"}
)

run = mlflow.last_active_run()
run_id = run.info.run_id

# Load the model in python_function format
loaded_model = ____.____.____(f"runs:/{run_id}/lr_pyfunc")
Kodu Düzenle ve Çalıştır