Pickle
Cuối cùng cũng đến lúc bạn đưa mô hình đầu tiên vào sản xuất. Đây là một random forest classifier mà bạn sẽ dùng làm đường cơ sở trong khi vẫn tiếp tục phát triển một phương án tốt hơn. Bạn có sẵn dữ liệu đã được chia train/test với các tên quen thuộc: X_train, X_test, y_train và y_test, cùng các mô-đun RandomForestClassifier() và pickle, với các phương thức .load() và .dump() mà bạn sẽ cần cho bài tập này.
Bài tập này là một phần của khóa học
Thiết kế quy trình Machine Learning bằng Python
Hướng dẫn bài tập
- Huấn luyện một random forest classifier trên dữ liệu. Cố định hạt giống ngẫu nhiên là 42 để đảm bảo kết quả có thể tái lập.
- Ghi mô hình ra tệp bằng pickle. Mở tệp đích bằng cú pháp
with open(____) as ____. - Bây giờ hãy tải mô hình từ tệp vào một tên biến khác,
clf_from_file. - Lưu các dự đoán từ mô hình bạn vừa tải vào biến
preds.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Fit a random forest to the training set
clf = ____(____=42).____(
X_train, y_train)
# Save it to a file, to be pushed to production
with ____('model.pkl', ____) as ____:
pickle.____(clf, file=file)
# Now load the model from file in the production environment
with ____ as file:
clf_from_file = pickle.____(file)
# Predict the labels of the test dataset
preds = clf_from_file.____