开始使用免费开始使用

融会贯通

在心律失常检测初创项目中，您对自己的流水线有两个担忧：

  • 应用在各年龄段患者的数据上训练，但主要由偏年轻的健身用户使用。您怀疑这是领域偏移（domain shift），因此想忽略所有年龄超过 50 岁的样本。
  • 您仍担心过拟合，所以想看看让随机森林分类器更简单一些并选择部分特征，是否能有所帮助。

您将创建一个包含特征选择步骤 SelectKBest() 和 RandomForestClassifier 的流水线，两者都已导入。您也可以使用 GridSearchCV()、Pipeline、将 numpy 作为 np，以及 pickle。数据存为 arrh。

本练习是课程的一部分

用 Python 设计机器学习工作流

查看课程

练习说明

  • 创建一个流水线，使用 SelectKBest() 作为步骤 ft，RandomForestClassifier() 作为步骤 clf。
  • 创建参数网格以同时调优 SelectKBest() 的 k 和 RandomForestClassifier() 的 max_depth。
  • 使用 GridSearchCV() 在仅包含年龄小于 50 岁样本的数据上优化您的流水线。
  • 将优化后的流水线保存为用于生产的 pickle 文件。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)
编辑并运行代码