XGBoost¶

Snowflake ML Model Registry 支持使用 XGBoost 创建的模型（从 xgboost.XGBModel 或 xgboost.Booster 派生的模型）。

调用 options 时，可以在 log_model 字典中使用下列附加选项：

选项	描述
`target_methods`	可在模型对象上使用的方法的名称列表。从 `XGBModel` 派生的模型默认具有以下目标方法（假设方法存在）：`predict`、`predict_proba`。（在 v1.4.0 之前，还包括 `apply`。）从 `Booster` 派生的模型默认具有 `predict` 方法。
`cuda_version`	部署到具有 GPU 的平台时使用的 CUDA 运行时版本；默认值为 11.8。如果手动设置为 `None`，则无法将模型部署到具有 GPU 的平台。

在登记 XGBoost 模型时，您必须指定 sample_input_data 或 signatures 参数，以确保注册表了解目标方法的签名。

示例¶

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:])

Copy