Google Cloud ML-engine scikit-learn 预测概率“predict_proba()”

Question

Google Cloud ML-engine 支持部署 scikit-learn Pipeline 对象的能力。例如，文本分类Pipeline 可能如下所示，

classifier = Pipeline([
('vect', CountVectorizer()), 
('clf', naive_bayes.MultinomialNB())])

可以训练分类器，

classifier.fit(train_x, train_y)

然后分类器可以上传到谷歌云存储，

model = 'model.joblib'
joblib.dump(classifier, model)
model_remote_path = os.path.join('gs://', bucket_name, datetime.datetime.now().strftime('model_%Y%m%d_%H%M%S'), model)
subprocess.check_call(['gsutil', 'cp', model, model_remote_path], stderr=sys.stdout)

然后可以通过Google Cloud Console 或programmatically 创建Model 和Version，将'model.joblib' 文件链接到Version。

然后可以通过调用已部署的模型predict 端点来使用此分类器来预测新数据，

ml = discovery.build('ml','v1')
project_id = 'projects/{}/models/{}'.format(project_name, model_name)
if version_name is not None:
    project_id += '/versions/{}'.format(version_name)
request_dict = {'instances':['Test data']}
ml_request = ml.projects().predict(name=project_id, body=request_dict).execute()

Google Cloud ML 引擎调用分类器的predict 函数并返回预测的类。但是，我希望能够返回置信度分数。通常这可以通过调用分类器的predict_proba 函数来实现，但是似乎没有更改被调用函数的选项。我的问题是：使用 Google Cloud ML 引擎时是否可以返回 scikit-learn 分类器的置信度分数？如果没有，您对如何实现这一结果有什么建议吗？

更新： 我找到了一个 hacky 解决方案。它涉及用自己的predict_proba函数覆盖分类器的predict函数，

nb = naive_bayes.MultinomialNB()
nb.predict = nb.predict_proba
classifier = Pipeline([
('vect', CountVectorizer()), 
('clf', nb)])

令人惊讶的是，这有效。如果有人知道更简洁的解决方案，请告诉我。

更新：Google 发布了一项名为 Custom prediction routines 的新功能（目前处于测试阶段）。这允许您定义当预测请求进来时运行什么代码。它为解决方案添加了更多代码，但它肯定不那么hacky。

Answer 1

您使用的 ML Engine API 只有 predict 方法，正如您在 documentation 中看到的那样，因此它只会进行预测（除非您使用您提到的 hack 强制它执行其他操作）。

如果您想对经过训练的模型执行其他操作，则必须加载并正常使用它。如果您想使用存储在 Cloud Storage 中的模型，您可以执行以下操作：

from google.cloud import storage
from sklearn.externals import joblib

bucket_name = "<BUCKET_NAME>"
gs_model = "path/to/model.joblib"  # path in your Cloud Storage bucket
local_model = "/path/to/model.joblib"  # path in your local machine

client = storage.Client()
bucket = client.get_bucket(bucket_name)
blob = bucket.blob(gs_model)
blob.download_to_filename(local_model)

model = joblib.load(local_model)
model.predict_proba(test_data)