Melatih model machine learning pada dataset besar

Pemrograman Paralel dengan Dask di Python

James Fulton

Climate Informatics Researcher

Dask-ML

import dask_ml

Mempercepat tugas machine learning

Regresi linear

Contoh data dengan hubungan linear antara x dan y.

Regresi linear

Sebuah garis lurus telah di-fit ke data.

Regresi linear

Jarak antara garis lurus dan titik data nyata disorot.

Mem-fit model regresi linear

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()

# Fit model to data
model.fit(X, y)

# Make predictions
y_pred = model.predict(X)

Menggunakan model scikit-learn dengan Dask

# Import regression model
from sklearn.linear_model import SGDRegressor

# Create instance of model
model = SGDRegressor()


# Import Dask-ML wrapper for model
from dask_ml.wrappers import Incremental


# Wrap model
dask_model = Incremental(model, scoring='neg_mean_squared_error')


# Fit on Dask DataFrames or arrays
dask_model.fit(dask_X, dask_y)  # not lazy

Fitting butuh beberapa iterasi

Animasi menunjukkan garis lurus semakin akurat setelah beberapa iterasi fitting.

Melatih model Incremental

# Ulangi melalui data beberapa kali
for i in range(10):
    dask_model.partial_fit(dask_X, dask_y)  # not lazy

Membuat prediksi

y_pred = dask_model.predict(dask_X)

print(y_pred)

dask.array<_predict, shape=(nan,), dtype=int64, chunksize=(nan,), chunktype=...>

print(y_pred.compute())

array([0.465557, 0.905675, 0.285214, ..., 0.249454, 0.559624, 0.823475])

Ayo berlatih!

Pemrograman Paralel dengan Dask di Python