Utilizzo di scikit-learn su Kaggle e AI Platform Prediction

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

Questo episodio di AI Adventures spiega il flusso di lavoro di base su come portare un modello addestrato ovunque, compreso Kaggle, e fornire 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. Vedi come creare un kernel del blocco note su Kaggle.

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

  3. Scarica model.joblib dagli output del kernel.

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

  5. Crea risorse per modelli e versioni su AI Platform Prediction utilizzando la console Google Cloud, fornendo informazioni su come hai addestrato il modello e dove è stato 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 del kernel.

Nel 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 visualizzata accanto al nome.

Passaggi successivi