Pickle 檔
現在是把你的第一個模型推上正式環境的時候了。你將使用一個隨機森林分類器作為基準模型，同時你還在開發更好的替代方案。你已經有資料分割成訓練與測試，變數名稱分別為 X_train、X_test、y_train 與 y_test。此外你也可以使用模組 RandomForestClassifier() 與 pickle，本練習會用到它們的 .load() 與 .dump() 方法。
本練習屬於課程
在 Python 設計機器學習工作流程
練習說明
- 將隨機森林分類器擬合到資料上。把隨機種子固定為 42，確保結果可重現。
- 使用 pickle 將模型寫入檔案。請用
with open(____) as ____語法開啟目的檔案。 - 接著把檔案中的模型載入到另一個變數名稱
clf_from_file。 - 將你載入的模型所做的預測存入變數
preds。
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。
# 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.____