Module sktmls.models.mls_trainable

Classes

class MLSTrainable

AutoGluon을 통한 학습을 지원하는 클래스입니다.

이 클래스는 단독으로 상속될 수 없으며 MLSModel과 함께 상속되어야 정상 동작합니다.

GenericLogicModel에서 실사용 가능합니다.

Subclasses

Methods

def evaluate(self, test_data: pandas.core.frame.DataFrame) ‑> Dict[str, float]

AutoGluon을 통해 학습한 모델의 성능을 계산합니다.

참고 사항

  • fit 함수를 통해 학습이 된 경우에만 정상적으로 동작합니다.
  • fit 함수에서는 모델 학습 후 한 차례 본 함수를 실행하여 self.performance에 저장합니다.

Args

  • test_data: (optional) (pandas.DataFrame) 모델 성능 측정을 위한 테스트 데이터 프레임 (기본값: None)

Example

학습 및 테스트 데이터 준비

train_data, test_data = train_test_split(df, test_size=0.2, random_state=0)

학습

my_model_v1.fit( train_data=train_data, test_data=test_data, label="some_label" )

성능 계산

print(my_model_v1.evaluate(test_data))

def fit(self, train_data: pandas.core.frame.DataFrame, test_data: pandas.core.frame.DataFrame, label: str, non_training_features: List[str] = [], eval_metric: str = 'roc_auc', hyperparameters: Dict[str, Any] = {'CAT': {}}, k: int = 20, time_limit: int = None, ensemble: bool = False) ‑> NoneType

AutoGluon을 통해 모델을 학습합니다.

모델 학습이 완료되면 self.models[0]에 자동으로 할당되며, 이후 predict 함수에서 참조될 수 있습니다.

참고 사항

  • AutoGluon이 자동으로 분류 문제인지 회귀 문제인지 판단합니다.
  • 성능 지표를 설정할 수 있으나, 분류 문제의 경우 기본값인 roc_auc 사용을 권장합니다.
  • 회귀 문제에 분류 성능 지표를 세팅하거나 분류 문제에 회귀 성능 지표를 세팅하면 에러가 발생합니다.

Args

  • train_data: (pandas.DataFrame) 학습에 사용할 데이터 프레임
  • test_data: (pandas.DataFrame) 모델 성능 측정을 위한 테스트 데이터 프레임
  • label: (str) train_data 내 라벨 컬럼 이름
  • non_training_features: (optional) (str) 학습에서 제외할 피쳐 이름 리스트. 후처리 전용 피쳐 등을 명세할 때 사용 가능 (기본값: [])
  • eval_metric: (optional) (str) 성능 지표 (기본값: roc_auc)
    • 분류 모델의 경우 가능한 값: accuracy|balanced_accuracy|f1|f1_macro|f1_micro|f1_weighted|roc_auc|average_precision|precision|precision_macro|precision_micro|precision_weighted|recall|recall_macro|recall_micro|recall_weighted|log_loss|pac_score
    • 회귀 모델의 경우 가능한 값: root_mean_squared_error|mean_squared_error|mean_absolute_error|median_absolute_error|r2
  • hyperparameters: (optional) (dict) AutoGluon hyperparameters. 공식 문서 참조 (기본값: {"CAT": {}})
  • k: (optional) (int) Feature importance를 바탕으로 선택할 상위 피쳐의 개수 (기본값: 20)
  • time_limit: (optional) (int) 학습 시간 제한 시간 (단위: 초). n개의 모델을 학습하는 경우 1/n초씩 사용. None인 경우 무제한 (기본값: None)
  • ensemble: (optional) (bool) 앙상블 모델 학습 여부. 추론 시간이 길어지므로 학습 후 벤치마크 필수 (기본값: False)

Example

features = […] preprocess_logic = {…} postprocess_logic = {…}

학습을 직접 할 것이므로 model을 None으로 할당합니다.

my_model_v1 = GenericLogicModel( model=None, model_name="my_model", model_version="v1", features=features, preprocess_logic=preprocess_logic, postprocess_logic=postprocess_logic, predict_fn="predict_proba" )

학습 및 테스트 데이터 준비

train_data, test_data = train_test_split(df, test_size=0.2, random_state=0)

학습

my_model_v1.fit( train_data=train_data, test_data=test_data, label="some_label" )

성능 확인

print(my_model_v1.performance) print(my_model_v1.feature_importance)

predict 테스트

print(my_model_v1.predict(test_feature_values, pf_client=pf_client, graph_client=graph_client))

배포

model_registry = ModelRegistry(env=MLSENV.STG, runtime_env=MLSRuntimeENV.YE) model_registry.save(my_model_v1)

def get_feature_importance(self, test_data: pandas.core.frame.DataFrame) ‑> pandas.core.series.Series

AutoGluon을 통해 학습한 모델의 피쳐 중요도를 계산하여 pandas.Series 형식으로 리턴합니다.

참고 사항

  • fit 함수를 통해 학습이 된 경우에만 정상적으로 동작합니다.
  • fit 함수에서는 모델 학습 후 한 차례 본 함수를 실행하여 self.feature_importance에 저장합니다.

Args

  • test_data: (optional) (pandas.DataFrame) 모델 성능 측정을 위한 테스트 데이터 프레임 (기본값: None)

Example

학습 및 테스트 데이터 준비

train_data, test_data = train_test_split(df, test_size=0.2, random_state=0)

학습

my_model_v1.fit( train_data=train_data, test_data=test_data, label="some_label" )

성능 계산

print(my_model_v1.get_feature_importance(test_data))

def get_model_names_persisted(self) ‑> List[str]

캐시된 모델 이름 조회를 위한 함수로 내부 호출 용도입니다.

def persist_models(self) ‑> NoneType

모델 캐시를 위한 함수로 내부 호출 용도입니다.

def set_local_path(self) ‑> NoneType

로컬 환경에서의 정상적인 inference를 위한 path 업데이트 함수로 내부 호출 용도입니다.

def set_mms_path(self) ‑> NoneType

MMS에서의 정상적인 inference를 위한 path 업데이트 함수로 내부 호출 용도입니다.

def unpersist_models(self) ‑> NoneType

모델 캐시 만료를 위한 함수로 내부 호출 용도입니다.