モデルサービングパッケージ
あなたのタスク
学習コードと予測コードを小さなパッケージに整理します。学習関数はモデルファイルを保存し、予測関数は保存されたファイルを読み込んで新しいサンプルの予測を返します。 やること: train_and_save と load_and_predict を完成させてください。 Note: scikit-learn の LogisticRegression を使います。保存先パスは引数で受け取ります。
守る条件
- •joblib で保存・ロードする。
- •予測関数は学習データを再度受け取らない。
やらなくてよいこと
- •モデル registry サーバー。
- •オンライン API サーバー。
- •実験追跡 UI。
▶この問題について
モデルを保存して再度読み込み、予測前のデータ処理を一貫させる問題です。
配信コードではモデルファイルだけでなく、入力データの形もモデルが期待するものに合わせる必要があります。
- 何を練習しますか?
- 学習段階と予測段階の入力処理をそろえます。
- なぜ重要ですか?
- 同じモデルでも、入力の形が変わると結果が変わりやすいからです。