开始使用免费开始使用

Scikit-learn 风味与评估

在本练习中，您将训练一个分类模型并评估其性能。该模型使用您的 Insurance Charges 数据集来判断费用对应的是女性还是男性。

我们将先使用 scikit-learn 风味将模型记录到 MLflow Tracking，然后使用 eval_data 数据集来评估您的模型。

评估数据集已创建为 eval_data，模型以名称 lr_class 训练完成。由于训练数据通过 sklearn 的 train_test_split() 函数拆分，eval_data 将由 X_test 和 y_test 组成。

# Model
lr_class = LogisticRegression()
lr_class.fit(X_train, y_train)

mlflow 模块已导入。

本练习是课程的一部分

MLflow 入门

查看课程

练习说明

  • 使用 scikit-learn 的"内置"风味记录 lr_class 模型。
  • 调用 mlflow 模块中的 evaluate() 函数。
  • 使用 eval_data 数据集进行评估，并将目标列设为 "sex"。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Eval Data
eval_data = X_test
eval_data["sex"] = y_test
# Log the lr_class model using Scikit-Learn Flavor
___.___.___(____, "model")

# Get run id
run = mlflow.last_active_run()
run_id = run.info.run_id

# Evaluate the logged model with eval_data data
___.___(f"runs:/{run_id}/model", 
        ____=____, 
        ____="____",
        model_type="classifier"
)
编辑并运行代码