ПочатиПочніть безкоштовно

Збереження та завантаження моделі

За допомогою Model API моделі можна поширювати між розробниками, у яких може не бути доступу до одного й того самого сервера MLflow Tracking, використовуючи локальну файлову систему.

У цій вправі ви натренуєте нову модель LinearRegression на основі наявної, використовуючи набір даних Unicorn. Спершу ви завантажите наявну модель з локальної файлової системи. Потім натренуєте нову модель на основі наявної та збережете її назад до локальної файлової системи.

Наявну модель збережено в локальній файловій системі в каталозі "lr_local_v1". Модуль mlflow буде імпортовано.

Ця вправа є частиною курсу

Вступ до MLflow

Переглянути курс

Інструкції до вправи

  • Завантажте модель з каталогу локальної файлової системи "lr_local_v1", використовуючи бібліотеку scikit-learn з модуля MLflow.
  • Використовуючи бібліотеку scikit-learn з модуля mlflow, збережіть модель локально до каталогу "lr_local_v2".

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Load model from local filesystem
model = ____.____.____("____")

# Training Data
X = df[["R&D Spend", "Administration", "Marketing Spend", "State"]]
y = df[["Profit"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
# Train Model
model.fit(X_train, y_train)

# Save model to local filesystem
____.____.____(____, "____")
Редагувати та запускати код