Entraîner des modèles de machine learning sur de grands ensembles de données

Programmation parallèle avec Dask en Python

James Fulton

Climate Informatics Researcher

Dask-ML

import dask_ml

Accélère les tâches de machine learning

Régression linéaire

Exemple de données avec une relation linéaire entre x et y.

Régression linéaire

Une droite a été ajustée aux données.

Régression linéaire

La distance entre la droite et les points réels est mise en évidence.

Ajuster un modèle de régression linéaire

# 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)

Utiliser un modèle scikit-learn avec 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

L'ajustement exige plusieurs itérations

L'animation montre que la droite s'ajuste mieux après plusieurs itérations.

Entraîner un modèle Incremental

# Loop through data multiple times
for i in range(10):
    dask_model.partial_fit(dask_X, dask_y)  # not lazy

Générer des prédictions

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])

Passons à la pratique !

Programmation parallèle avec Dask en Python