Como usar o scikit-learn no Kaggle e no AI Platform Prediction

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.

Visão geral

  1. 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).

  2. Use a biblioteca sklearn.externals.joblib (em inglês) para salvar o modelo. Nomeie o arquivo como model.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.

  3. Faça o download de model.joblib por meio das saídas do kernel.

  4. Faça upload do arquivo model.joblib para o Cloud Storage.

  5. 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.

  6. 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:

  1. Selecione a guia Saída na parte superior da página.
  2. 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