使用 R 创建 Ranger 模型以用于 MLflow 时出现问题答案

【问题标题】：Problem crating a Ranger model with R to use for MLflow使用 R 创建 Ranger 模型以用于 MLflow 时出现问题
【发布时间】：2021-09-15 03:37:20
【问题描述】：

我正在尝试在 R 中使用 MLflow。根据https://www.mlflow.org/docs/latest/models.html#r-function-crate，模型需要使用 crate 风格。我的模型使用了 ranger 包中实现的随机森林功能：

model <- ranger::ranger(formula    = model_formula, 
                        data       = trainset,
                        importance = "impurity", 
                        probability=T, 
                        num.trees  = 500, 
                        mtry       = 10)

模型本身有效，我可以在测试集上进行预测：

test_prediction <- predict(model, testset)

下一步，我尝试将模型带入 crate 风格。我在这里按照https://docs.databricks.com/_static/notebooks/mlflow/mlflow-quick-start-r.html中显示的方法。

predictor <- crate(function(x) predict(model,.x))

然而，当我在测试集上应用“预测器”时，这会导致错误

predictor(testset)
Error in predict(model, .x) : could not find function "predict"

有谁知道如何解决这个问题？我必须在 crate 函数中以不同的方式传输预测函数吗？非常感谢任何帮助;-)

【问题讨论】：

标签： r mlflow crate

【解决方案1】：

根据我的经验，Databricks 快速入门指南是错误的。

根据Carrierdocumentation，在 crate 内部调用非基本函数时需要使用显式命名空间。由于 predict 实际上是 stats 包的一部分，因此您需要指定 stats::predict。此外，由于您的 crate 函数依赖于名为 model 的全局对象，因此您还需要将其作为参数传递给 crate 函数。

您的代码最终会看起来像这样（我无法在您的确切用例上对其进行测试，因为我没有您的数据，但这适用于 Databricks 中的 MLflow）：

model <- ranger::ranger(formula    = model_formula, 
                        data       = trainset,
                        importance = "impurity", 
                        probability=T, 
                        num.trees  = 500, 
                        mtry       = 10)

predictor <- crate(function(x) {
    stats::predict(model,x)
    }, model = model)

predictor(testset)

【讨论】：