Snowpark ML¶

该注册表支持使用 :doc:` Snowpark ML 建模 APIs </developer-guide/snowflake-ml/modeling>` （模型派生自 snowpark.ml.modeling.framework.base.BaseEstimator）创建的模型。

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。默认情况下，Snowpark ML 模型具有以下目标方法（假设方法存在）：`predict`、`transform`、`predict_proba`、`predict_log_proba`、`decision_function`。

在登记 Snowpark ML 模型时，您不需要指定 sample_input_data 或 signatures；在拟合过程中会自动推断出这些。

备注

Snowpark ML 管道需要估算器。您不能注册仅限转换器的 Snowpark ML 管道。使用 scikit-learn 管道注册转换器。

示例¶

import pandas as pd
import numpy as np
from sklearn import datasets
from snowflake.ml.modeling.xgboost import XGBClassifier

iris = datasets.load_iris()
df = pd.DataFrame(data=np.c_[iris["data"], iris["target"]], columns=iris["feature_names"] + ["target"])
df.columns = [s.replace(" (CM)", "").replace(" ", "") for s in df.columns.str.upper()]

input_cols = ["SEPALLENGTH", "SEPALWIDTH", "PETALLENGTH", "PETALWIDTH"]
label_cols = "TARGET"
output_cols = "PREDICTED_TARGET"

clf_xgb = XGBClassifier(
        input_cols=input_cols, output_cols=output_cols, label_cols=label_cols, drop_input_cols=True
)
clf_xgb.fit(df)
model_ref = registry.log_model(
    clf_xgb,
    model_name="XGBClassifier",
    version_name="v1",
)
model_ref.run(df.drop(columns=label_cols).head(10), function_name='predict_proba')