[python] StandardScaler와 machine learning 모델 공유

fig 1. title

standardscaler, machine learning 모델 공유

 

0. background

1. scaler (standardscaler)

2. machine learning model (XGBoost)

---

0. background

 

- machine learning 모델을 재현가능하게 공유할 때 모델을 저장하고 불러와야함.

- 그전에 standardization을 진행한 scaler도 포함되어야 완벽한 재현이 가능함.

- fit된 scaler와 machine learning 모델을 저장하고 불러와야 기존 결과를 완벽히 재현할 수 있음.

- 핵심은 reproducible !

fig 2. reproducibility

참고: https://machinelearningmastery.com/reproducible-machine-learning-results-by-default/

Reproducible Machine Learning Results By Default

---

1. scaler (standardscaler)

 

- 데이터를 standardization 해주었던 scaler도 재현 가능해야함.

- scaler를 저장하고 불러올 수 있어야됨.

- 다양한 scikit-learn에서 제공하는 scaler는 다양함.

  -> 예제 : StandardScaler()

 

- save the scaler

import joblib

# scalre save
scaler = StandardScaler()
scaler.fit(std_df)
joblib.dump(scaler, '/home/danssa/proj_ua/shared/scaler60.pkl')

- load the scaler

## scaler
scaler60 = joblib.load('scaler60.pkl')

## standardization by scaler
X_test60_features_non[std_cols]=scaler60.transform(std_60_non)

---

2. machine learning model (XGBoost)

 

- fit된 모델을 저장하고 불러와서 사용

 

- save the model

import joblib

joblib.dump(model, "/home/danssa/proj_ua/shared/ua60_model")
load_model = joblib.load('ua60_model')

- load the model

## xgb models
model60 = joblib.load('ua60_model')