開始使用免費開始

整合所有重點

你在心律不整偵測新創的 pipeline 有兩個顧慮：

  • 這個 App 的模型是用各年齡層的病患資料訓練的，但實際上主要由偏年輕的健身族群使用。你懷疑這可能是領域偏移（domain shift），因此想忽略所有年齡在 50 歲以上的樣本。
  • 你仍擔心過度擬合，所以想看看把隨機森林分類器的複雜度降低，並且選取部分特徵，是否能有所幫助。

你將建立一個包含特徵選擇步驟 SelectKBest() 以及 RandomForestClassifier 的 pipeline，兩者都已經匯入。你也可以使用 GridSearchCV()、Pipeline、numpy（別名為 np）以及 pickle。資料存於 arrh。

本練習屬於課程

在 Python 設計機器學習工作流程

檢視課程

練習說明

  • 建立一個 pipeline，將 SelectKBest() 命名為步驟 ft，RandomForestClassifier() 命名為步驟 clf。
  • 建立參數網格，調整 SelectKBest() 的 k 與 RandomForestClassifier() 的 max_depth。
  • 使用 GridSearchCV()，只用年齡小於 50 的資料，對該參數網格進行最佳化。
  • 將最佳化後的 pipeline 存成 pickle，以供上線使用。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Create a pipeline 
pipe = Pipeline([
  ('ft', ____), ('clf', ____(random_state=2))])

# Create a parameter grid
grid = {'ft__k':[5, 10], '____':[10, 20]}

# Execute grid search CV on a dataset containing under 50s
grid_search = ____(pipe, param_grid=grid)
arrh = arrh.____[____(arrh['age'] < 50)]
____.____(arrh.drop('class', 1), arrh['class'])

# Push the fitted pipeline to production
with ____('pipe.pkl', ____) as file:
    pickle.dump(____, file)
編輯並執行程式碼