通过

教程第 4 部分：执行批量评分并将预测保存到湖屋

本教程演示如何导入第 3 部分中生成的已注册 LightGBMClassifier 模型。 本教程使用 Microsoft Fabric MLflow 模型注册表来训练模型，然后对从 Lakehouse 加载的测试数据集执行批处理预测。

使用 Microsoft Fabric，可以将机器学习模型运用于可缩放的 PREDICT 函数。 该函数支持任何计算引擎中的批处理评分。 可以直接从 Microsoft Fabric 笔记本或给定模型的项页生成批处理预测。 有关 PREDICT 函数的详细信息，请访问 此 资源。

若要对测试数据集生成批量预测，请使用定型 LightGBM 模型的版本 1。 该版本显示了所有已训练的机器学习模型中的最佳性能。 将测试数据集加载到 spark DataFrame 中，并创建 MLFlowTransformer 对象以生成批处理预测。 然后，可以使用以下方法之一调用 PREDICT 函数：

  • SynapseML 中的转换器 API
  • Spark SQL API
  • PySpark 用户定义的函数 （UDF）

先决条件

这是五个部分教程系列的第 4 部分。 若要完成本教程，请先完成：

在笔记本中继续操作

4-predict.ipynb 是本教程随附的笔记本。

重要

随附在此系列的其他部分中使用的同一个湖屋。

加载测试数据

在以下代码片段中，加载在第 3 部分保存的测试数据：

df_test = spark.read.format("delta").load("Tables/df_test")
display(df_test)

使用 Transformer API 进行预测

若要从 SynapseML 使用转换器 API，必须先创建 MLFlowTransformer 对象。

实例化 MLFlowTransformer 对象

MLFlowTransformer 对象作为在第 3 部分中注册的 MLFlow 模型的封装器。 它允许针对给定数据帧生成批处理预测。 若要实例化 MLFlowTransformer 对象，必须提供以下参数：

  • 模型需要作为输入的测试 DataFrame 列（在本例中，模型需要所有这些列）
  • 新输出列的名称（在本例中 为预测）
  • 生成预测的正确模型名称和模型版本（在本例中，模型名称为lgbm_sm，版本为1）

以下代码片段处理以下步骤：

from synapse.ml.predict import MLFlowTransformer

model = MLFlowTransformer(
    inputCols=list(df_test.columns),
    outputCol='predictions',
    modelName='lgbm_sm',
    modelVersion=1
)

有了 MLFlowTransformer 对象后，可以使用它生成批处理预测，如以下代码片段所示：

import pandas

predictions = model.transform(df_test)
display(predictions)

使用 Spark SQL API 预测

以下代码片段使用 Spark SQL API 调用 PREDICT 函数：

from pyspark.ml.feature import SQLTransformer 

# Substitute "model_name", "model_version", and "features" below with values for your own model name, model version, and feature columns
model_name = 'lgbm_sm'
model_version = 1
features = df_test.columns

sqlt = SQLTransformer().setStatement( 
    f"SELECT PREDICT('{model_name}/{model_version}', {','.join(features)}) as predictions FROM __THIS__")

# Substitute "X_test" below with your own test dataset
display(sqlt.transform(df_test))

使用用户定义函数 (UDF) 的 PREDICT

以下代码片段使用 PySpark UDF 调用 PREDICT 函数：

from pyspark.sql.functions import col, pandas_udf, udf, lit

# Substitute "model" and "features" below with values for your own model name and feature columns
my_udf = model.to_udf()
features = df_test.columns

display(df_test.withColumn("predictions", my_udf(*[col(f) for f in features])))

还可以从模型的项页生成 PREDICT 代码。 有关 PREDICT 函数的详细信息，请访问 此 资源。

将模型预测结果写入湖屋

生成批量预测后，将模型预测结果写回到数据湖屋，如以下代码片段所示：

# Save predictions to lakehouse to be used for generating a Power BI report
table_name = "customer_churn_test_predictions"
predictions.write.format('delta').mode("overwrite").save(f"Tables/{table_name}")
print(f"Spark DataFrame saved to delta table: {table_name}")

下一步

继续转到：

第 5 部分：创建 Power BI 报表以可视化预测

  • Last updated on