没有合适的资源?快使用搜索试试~ 我知道了~
cml_churn_demo_mlops
共36个文件
py:9个
png:8个
ipynb:2个
需积分: 9 0 下载量 114 浏览量
2021-03-06
06:38:38
上传
评论
收藏 2.19MB ZIP 举报
温馨提示
流失预测原型 该项目是Cloudera机器学习( )应用的机器学习项目原型。 它具有在运行的CML实例中部署端到端机器学习项目所需的所有代码和数据。 项目概况 该项目构建了带有模型可解释性项目的电信客户流失, 了更详细的讨论。 最初的想法和代码来自FFL可解释性报告,该报告现已免费提供,您可以在阅读完整的报告 目标是使用Logistic回归建立分类器模型,以预测电信公司的一组客户的流失几率。 最重要的是,可以使用解释模型。 然后使用CML的实时模型部署功能部署Logistic回归模型和LIME模型,最后部署了一个基于烧瓶的基本Web应用程序,该应用程序可让您与实时模型进行交互,以查看数据中哪些因素影响最大流失几率。 通过阅读本项目中的笔记本,您将了解如何在CML上执行类似的分类任务,以及如何利用该平台的主要功能来发挥自己的优势。 这些功能包括简化的模型实验,点击模型部署和ML应用程序
资源推荐
资源详情
资源评论
收起资源包目录
cml_churn_demo_mlops-master.zip (36个子文件)
cml_churn_demo_mlops-master
models
telco_linear
telco_linear.pkl 1.28MB
raw
telco-data
_SUCCESS 0B
part-00000-7142bff1-edbb-4012-a0e4-2eb791278f9a-c000.csv 962KB
WA_Fn-UseC_-Telco-Customer-Churn-.csv 955KB
5_model_serve_explainer.py 8KB
images
model_accuracy.png 20KB
single_view_2.png 33KB
disable_auth.png 19KB
single_view_1.png 33KB
model_id.png 18KB
table_view.png 35KB
data.png 32KB
7b_ml_ops_visual.py 4KB
flask
ajax-loader.gif 3KB
churn_vis.js 3KB
telco_churn.bmp 38KB
single_view.html 7KB
env_vars.png 23KB
churn_vis.css 3KB
table_view.html 6KB
1_data_ingest.py 4KB
6_application.py 8KB
0_bootstrap.py 2KB
churnexplainer.py 7KB
4_train_models.py 10KB
3_model_building.ipynb 78KB
7a_ml_ops_simulation.py 8KB
8_build_project.py 9KB
lineage.yml 535B
cdsw-build.sh 44B
requirements.txt 175B
.gitignore 47B
.project-metadata.yaml 3KB
model_metrics.db 828KB
2_data_exploration.ipynb 603KB
README.md 12KB
共 36 条
- 1
资源评论
陶涵煦
- 粉丝: 27
- 资源: 4654
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功