Utilizzo di scikit-learn su Kaggle e AI Platform Prediction

Puoi eseguire il deployment dei modelli scikit-learn addestrati in Kaggle in AI Platform Prediction per elaborare le previsioni su larga scala.

Questa puntata di AI Adventures spiega il flusso di lavoro di base su come prendere un modello addestrato ovunque, incluso Kaggle, e pubblicare previsioni online da AI Platform Prediction.

Panoramica

  1. Addestra il tuo modello scikit-learn su Kaggle. Puoi vedere un esempio in questa introduzione a scikit-learn. Scopri come creare un kernel del notebook su Kaggle.

  2. Salva il modello utilizzando la libreria sklearn.externals.joblib, assicurandoti di assegnare al file il nome model.joblib. Seleziona il pulsante Commit & Run per eseguire tutte le celle di codice del kernel in ordine. Il codice di addestramento del modello viene salvato ed eseguito.

  3. Scarica model.joblib dalle uscite del kernel.

  4. Carica il file model.joblib su Cloud Storage.

  5. Crea risorse di modelli e versioni in AI Platform Prediction utilizzando la console Google Cloud, fornendo informazioni su come hai addestrato il modello e dove lo hai archiviato in Cloud Storage.

  6. Invia una richiesta di previsione.

Trovare i file del modello in Kaggle

Puoi scaricare i file del modello dalla scheda Output nel kernel.

Al link principale del kernel, https://www.kaggle.com/[YOUR-USER-NAME]/[YOUR-KERNEL-NAME]/:

  1. Seleziona la scheda Output nella parte superiore della pagina.
  2. Il file model.joblib viene visualizzato in un elenco di Origini dati. Per scaricare il file, seleziona il pulsante Scarica tutto. In alternativa, passa il mouse sopra il nome del modello e seleziona l'icona di download accanto al nome.

Passaggi successivi