XGBoost¶

Snowflake ML Model Registry는 XGBoost (xgboost.XGBModel 또는 xgboost.Booster 에서 파생된 모델)를 사용하여 만든 모델을 지원합니다.

log_model 을 호출할 때 options 사전에서 다음 추가 옵션을 사용할 수 있습니다.


옵션	설명
`target_methods`	모델 오브젝트에서 사용할 수 있는 메서드 이름 목록입니다. `XGBModel` 에서 파생된 모델에는 대상 메서드가 존재한다고 가정하면 기본적으로 `predict`, `predict_proba` 대상 메서드가 있습니다. (v1.4.0 이전, `apply` 포함.) `Booster` 에서 파생된 모델에는 기본적으로 `predict` 메서드가 있습니다.
`cuda_version`	GPU로 플랫폼에 배포할 때 사용할 CUDA 런타임 버전으로 기본값은 11.8입니다. 수동으로 `None` 으로 설정하면 GPU가 있는 플랫폼에 모델을 배포할 수 없습니다.

레지스트리가 대상 메서드의 서명을 알도록 XGBoost 모델을 로깅할 때 sample_input_data 또는 signatures 매개 변수를 지정해야 합니다.

예¶

import xgboost
from sklearn import datasets, model_selection

cal_X, cal_y = datasets.load_breast_cancer(as_frame=True, return_X_y=True)
cal_X_train, cal_X_test, cal_y_train, cal_y_test = model_selection.train_test_split(cal_X, cal_y)
params = dict(n_estimators=100, reg_lambda=1, gamma=0, max_depth=3, objective="binary:logistic")
regressor = xgboost.train(params, xgboost.DMatrix(data=cal_X_train, label=cal_y_train))
model_ref = registry.log_model(
    regressor,
    model_name="xgBooster",
    version_name="v1",
    sample_input_data=cal_X_test,
    options={
        "target_methods": ["predict"],
        "method_options": {
            "predict": {"case_sensitive": True},
        },
    },
)
model_ref.run(cal_X_test[-10:])