Notas de lançamento de Snowflake ML¶

Novos recursos e atualizações¶

Atualizações de desenvolvimento de modelo:

• Métrica precision_score implementada em SQL.

Correções de bugs¶

• Corrigido um problema em que o rastreamento de pilha era ocultado por telemetria.

Correções de desenvolvimento de modelo:

• A inferência de assinaturas de modelo não materializa mais o dataframe completo na memória.

Novos recursos e atualizações¶

• Snowpark ML Modeling API designado como geralmente disponível.

• O novo parâmetro passthrough_col na API de modelagem permite excluir colunas específicas, como colunas de índice, durante o treinamento ou inferência quando não especifica explicitamente input_cols.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • confusion_matrix forneceu resultados incorretos quando o número da linha não pôde ser dividido pelo tamanho do lote.

Novos recursos e atualizações¶

• A execução GridSearchCV e RandomizedSearchCV agora é distribuída em warehouses de vários nós.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • As colunas estavam sendo excluídas se seus nomes normalizados não correspondessem aos nomes especificados em output_columns em OrdinalEncoder e LabelEncoder. As colunas de saída não precisam mais ser identificadores válidos do Snowflake.

Novos recursos e atualizações¶

• Nenhum

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • Aumentou a capacidade da coluna de OrdinalEncoder.

Novos recursos e atualizações¶

• Adicione suporte para kneighbors.

• Suporte a DecimalType como um tipo de dados.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • Correção do suporte para modelos XGBoost e LightGBM usando os seletores de modelo SKLearn Grid Search e Randomized Search.

  • Corrigida a compatibilidade das métricas com o Snowpark DataFrames que usa identificadores Snowflake

Novos recursos e atualizações¶

• Os cálculos de métrica precision_score, recall_score, f1_score, fbeta_score, precision_recall_fscore_support, mean_absolute_error, mean_squared_error e mean_absolute_percentage_error agora são distribuídos.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • Corrigidos os erros de decodificação UTF-8 ao usar módulos de modelagem no Windows.

  • Corrigidas as definições de alias que causam SnowparkSQLUnexpectedAliasException na inferência.

Novos recursos e atualizações¶

• O cálculo da métrica log_loss agora está distribuído.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • A construção de imagens não falha mais com algumas configurações do Docker.

  • A incorporação da biblioteca ML local não falha mais quando a biblioteca é importada por zipimport.

  • Atualize a documentação incorreta sobre o argumento da plataforma na função deploy.

Novos recursos e atualizações¶

• Nenhum

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • O codificador ordinal pode ser usado com tipos de coluna de entrada mistos.

  • Corrigido um problema quando o valor padrão do sklearn é np.nan.

Novos recursos e atualizações¶

• Permitir desabilitar a telemetria.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • Corrigido um erro relacionado a pandas.io.json.json_normalizer.

Novos recursos e atualizações¶

• Desenvolvimento de modelo: o tamanho do resultado da métrica pode exceder o limite anterior de 8MB.

Correções de bugs¶

• Correções de desenvolvimento de modelo:

  • Corrigido um bug ao usar o imputer simples com NumPy >= 1.25.

  • Corrigido um bug ao inferir o tipo de colunas de rótulos.

Novos recursos e atualizações¶

• Desenvolvimento de modelo: os dataframes de entrada agora podem ser unidos aos dados carregados de arquivos preparados.

• Desenvolvimento de modelo: adicionado suporte para idiomas diferentes do inglês.

Correções de bugs¶

• Nenhum

Novos recursos e atualizações¶

• Desenvolvimento de modelo: métricas adicionadas:

  • d2_absolute_error_score

  • d2_pinball_score

  • explained_variance_score

  • mean_absolute_error

  • mean_absolute_percentage_error

  • mean_squared_error

Correções de bugs¶

Desenvolvimento de modelo: accuracy_score agora funciona quando são fornecidos nomes de colunas de rótulos que são listas de valores únicos.

Mudanças de comportamento¶

• Desenvolvimento de modelo: APIs de métricas alteradas para seguir os módulos de métricas do scikit-learn:

  • accuracy_score, confusion_matrix, precision_recall_fscore_support e precision_score são movidos para metrics.classification.

Novos recursos e atualizações¶

• Desenvolvimento de modelo: métricas adicionadas:

  • f1_score

  • fbeta_score

  • recall_score

  • roc_auc_score

  • roc_curve

  • log_loss

  • precision_recall_curve