Snowpark ML

レジストリは、 Snowpark ML Modeling APIs （snowpark.ml.modeling.framework.base.BaseEstimator から派生したモデル）を使用して作成されたモデルをサポートしています。

以下の追加オプションは、 options ディクショナリで log_model を呼び出すときに使用できます。

オプション

説明

target_methods

モデルオブジェクトで利用可能なメソッドの名前のリスト。Snowpark ML モデルは、メソッドが存在すると仮定して、デフォルトで以下のターゲットメソッドを持ちます。 predict、 transform、 predict_proba、 predict_log_proba、 decision_function

Snowpark ML モデルをログする際に sample_input_data や signatures を指定する必要はありません。これらはフィッティングの際に自動的に推測されます。

注釈

Snowpark ML パイプラインには見積もり担当者が必要です。トランスフォーマーだけのSnowpark ML パイプラインは登録できません。scikit-learnパイプラインを使用してトランスフォーマーを登録します。

例

import pandas as pd
import numpy as np
from sklearn import datasets
from snowflake.ml.modeling.xgboost import XGBClassifier

iris = datasets.load_iris()
df = pd.DataFrame(data=np.c_[iris["data"], iris["target"]], columns=iris["feature_names"] + ["target"])
df.columns = [s.replace(" (CM)", "").replace(" ", "") for s in df.columns.str.upper()]

input_cols = ["SEPALLENGTH", "SEPALWIDTH", "PETALLENGTH", "PETALWIDTH"]
label_cols = "TARGET"
output_cols = "PREDICTED_TARGET"

clf_xgb = XGBClassifier(
        input_cols=input_cols, output_cols=output_cols, label_cols=label_cols, drop_input_cols=True
)
clf_xgb.fit(df)
model_ref = registry.log_model(
    clf_xgb,
    model_name="XGBClassifier",
    version_name="v1",
)
model_ref.run(df.drop(columns=label_cols).head(10), function_name='predict_proba')