Xgboost Amazon Sagemaker predict_proba

Question

我已经使用 Sagemaker 框架为 5 个类别训练了一个 Xgboost 多类别分类算法。然后我将模型保存在 S3 上。现在，当我加载它时，我只能选择预测，这将返回类而不是每个类的概率。

pred = xgb_uploaded_model.predict(new_data)

上传的模型没有 predict_proba 选项，这会派上用场。有什么想法可以从这个像这样保存的模型中获得概率吗？PS我不想使用端点。

Answer 1

总览

在表下，AWS Sagemaker 使用三个默认函数进行输入处理、预测和输出处理。人们需要在用于模型训练的Python脚本中重写这些函数。

描述

来自 AWS 文档：

Sagemaker 使用三个默认函数进行模型服务。每个步骤都涉及调用一个 Python 函数，其中包含有关请求的信息以及链中前一个函数的返回值。在 SageMaker Scikit-learn 模型服务器内部，该过程如下所示：

# Deserialize the Invoke request body into an object we can perform prediction on
input_object = input_fn(request_body, request_content_type)

# Perform prediction on the deserialized object, with the loaded model
prediction = predict_fn(input_object, model)

# Serialize the prediction result into the desired response content type
output = output_fn(prediction, response_content_type)

1. input_fn：获取请求数据并将数据反序列化为对象以进行预测。
2. predict_fn：获取反序列化的请求对象并对加载的模型进行推理。
3. output_fn：获取预测结果并根据响应内容类型对其进行序列化。

必须实现 model_fn

如果您的模型使用 .predict() 以外的其他内容，则只需实现 Predict_fn ，这对您的情况很有用

您可以在此处查看默认函数实现的工作原理

参考链接 - Sagemaker sklearn 模型服务

参考链接 - Sagemaker sklearn GitHub 示例

参考链接 - Pytorch 模型服务