开始使用免费开始使用

Pickle 持久化

现在，您将首次把模型推送到生产环境。这个模型是一个随机森林分类器，您会将其作为基线模型，同时继续开发更优的替代方案。您可以使用按常规命名拆分好的训练/测试数据：X_train、X_test、y_train 和 y_test。同时已提供模块 RandomForestClassifier() 和 pickle，本练习中您需要用到其 .load() 和 .dump() 方法。

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

  • 训练一个随机森林分类器。将随机种子固定为 42，以确保结果可复现。
  • 使用 pickle 将模型写入文件。使用 with open(____) as ____ 语法打开目标文件。
  • 现在从文件中加载模型到另一个变量名 clf_from_file。
  • 将加载的模型产生的预测结果保存到变量 preds 中。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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.____
编辑并运行代码