ПочатиПочніть безкоштовно

Кастомна модель scikit-learn

У цій вправі ви створите власну (кастомну) модель, використовуючи флейвор pyfunc з MLflow. Для набору даних insurance_charges мітки потрібно змінити: female → 0 і male → 1 для класифікації під час навчання. Під час використання моделі, замість 0 або 1 мають повертатися рядки female або male.

Кастомна модель — це класифікаційна модель на основі LogisticRegression, яка використовує клас CustomPredict. CustomPredict додає додатковий крок у методі predict, що повертає мітки 0 та 1 назад у female та male, коли модель отримує вхідні дані. Ви використаєте флейвор pyfunc для логування та завантаження моделі.

Наш набір даних insurance_charges буде попередньо оброблено, а модель навчено за допомогою:

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

Модуль MLflow буде імпортовано.

Ця вправа є частиною курсу

Вступ до MLflow

Переглянути курс

Інструкції до вправи

  • Використайте флейвор pyfunc у MLflow, щоб залогувати кастомну модель.
  • Встановіть аргумент python_model у pyfunc, щоб використовувати кастомний клас CustomPredict().
  • Завантажте кастомну модель за допомогою pyfunc.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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")
Редагувати та запускати код