处理在线预测请求

Question

当使用 ml-engine 进行在线预测时，我们发送请求并获取预测结果，这很酷，但 Request 通常与模型输入不同，例如：

• 可以请求一个分类变量，但模型是预期的，并且整数映射到该类别
• 同样对于给定的特征，我们可能需要创建多个特征，例如将文本拆分为两个或多个特征
• 我们可能需要排除请求中的一些特征，例如对模型无用的常量特征

你如何处理这个过程？我的解决方案是使用 appengine 应用程序获取请求，将其发送到 pub/sub ，在数据流中对其进行处理，将其保存到 gcs 并触发云函数将处理后的请求发送到 ml-engine 端点并获得预测结果。这可能是一种过度设计，我想避免这种情况，如果您对 Xgboost 模型有任何建议，我将不胜感激。

Answer 1

我们正在测试一项功能，该功能允许用户提供一些 Python 代码以在服务器端运行。这将允许您执行您尝试执行的转换类型，无论是作为 scikit 学习管道还是作为 Python 函数。如果您想对其进行测试，请联系 cloudml-feedback@google.com。