¿Que es un Pickle en Aprendizaje Automático?
Cuando utilicé por primera vez un modelo de Aprendizaje Automático en una investigación pensé que el tener un resultado era más que suficiente, sin embargo cuando lo quieres aplicar a la industria o llevarlo a producción no es suficiente el hecho de tener un dato, una matriz de resultados o algo más.
De alguna manera debemos empaquetarlo, guardarlo y después cargar el modelo de ML para así poder aplicarlo a una nueva entrada de datos o ajustes de posibles cambios en el escenario inicial. Para ello es posible serializar un objeto de Python en un archivo binario, a esto se le conoce como Pickle.
¿Pero como funciona?.
Imaginemos que debemos encontrar similitudes entre los clientes que han comprado productos en nuestra tienda en línea y poder agruparlos de manera que nos permita predecir el comportamiento de los clientes en el futuro. En lo personal, lo que hago es abrir Jupyter Notebook o Google Colab, cargo un conjunto de datos y empiezo a realizar todo el proces de limpieza, normalización, entre otras tareas hasta el momento de seleccionar un modelo y obtener un resultado.
Este proceso y además la exploración y entendimiento de los datos prefiero hacerlo en un notebook por su facilidad de uso, despliegue de variables, que puedo documentar ahí mismo todo el proceso y otros gustos personales.
Como ese notebook no es posible usarlo de una manera ni adecuada en un ambiente productivo tenemos que crear nuestras funciones y clases para posteriormente serializarlo y tener ese modelo final representado como Pickle.
Para hacerlo hay dos métodos principales que son:
pickle.dump(obj, file, protocol=None)
El cuál es el método que serializa un objeto de Python en un archivo binario.
pickle.load(file)
Que es el encargado de deserializar un objeto de Python a partir de un archivo binario.
Si deseas ver un ejemplo práctico y con una explicación más profunda te recomiendo el video titulado Machine Learning Tutorial Python - 5: Save model using Joblib and Pickle de CodeBasics.
