Implante no AI Platform Prediction modelos do scikit-learn treinados no Kaggle para realizar previsões em escala.
Neste episódio da série "AI Adventures", você vê o fluxo de trabalho básico para usar um modelo treinado em qualquer lugar, incluindo no Kaggle, e realizar previsões on-line no AI Platform Prediction.
Informações gerais
- Treine seu modelo de scikit-learn no Kaggle. Veja um exemplo nesta introdução ao scikit-learn. Veja como criar um kernel de notebook no Kaggle (em inglês).
Use a biblioteca
sklearn.externals.joblib
(em inglês) para salvar o modelo. Nomeie o arquivo comomodel.joblib
. Selecione o botão Confirmar e executar para executar todas as células de código do kernel em ordem. Essa ação salva e executa o código de treinamento do modelo.Faça o download de
model.joblib
por meio das saídas do kernel.Faça upload do arquivo
model.joblib
para o Cloud Storage.Crie recursos de modelo e versão no AI Platform Prediction usando o console do Google Cloud, fornecendo informações sobre como você treinou seu modelo e onde o armazenou no Cloud Storage.
Envie uma solicitação de previsão.
Localize seus arquivos de modelo no Kaggle
Você pode fazer o download dos seus arquivos de modelo na guia Saída do seu kernel.
No link principal para o kernel, https://www.kaggle.com/[SEU-NOME-DE-USUÁRIO]/[NOME-DO-SEU-KERNEL]/, siga estas etapas:
- Selecione a guia Saída na parte superior da página.
- O arquivo
model.joblib
é exibido em uma lista de Fontes de dados. Para fazer o download do arquivo, clique no botão Fazer o download de tudo. Se preferir, passe o cursor sobre o nome do modelo e selecione o ícone de download que é exibido.
A seguir
- Veja um vídeo de introdução ao Kaggle Kernels e saiba quais são as vantagens de usar o Kaggle.
- Consulte como implantar um modelo no AI Platform Prediction.
- Veja a documentação sobre Kaggle Kernels (em inglês).