Träna maskininlärningsmodeller på stora datamängder

Parallellprogrammering med Dask i Python

James Fulton

Climate Informatics Researcher

Dask-ML

import dask_ml

Snabbar upp maskininlärningsuppgifter

Linjär regression

Ett exempel på data med ett linjärt samband mellan x och y.

Linjär regression

En rät linje har anpassats till datan.

Linjär regression

Avståndet mellan den räta linjen och de faktiska datapunkterna är markerat.

Anpassa en linjär regressionsmodell

# 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)

Använda en scikit-learn-modell med 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

Anpassningen kräver flera iterationer

Animationen visar att den räta linjen anpassas allt bättre efter flera iterationer.

Träna en inkrementell modell

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

Generera förutsägelser

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])

Nu kör vi en övning!

Parallellprogrammering med Dask i Python