whylogs工具库的工业实践！机器学习模型流程与效果监控 ⛵

语言: CN / TW / HK
时间 2023-03-15 08:15:24

完整的机器学习应用过程，除了数据处理、建模优化及模型部署，也需要进行后续的效果验证跟踪和ML模型监控——它能保证模型和场景是保持匹配且有优异效果的。

模型上线后，可能会存在效果下降等问题，面临数据漂移等问题。详见ShowMeAI的文章 📘机器学习数据漂移问题与解决方案。

ShowMeAI在这篇文章中，将给大家展示如何使用开源工具库 whylogs 构建详尽的 AI 日志平台并监控 ML 模型。

💡 日志系统&模型监控

💦 环境配置

要构建日志系统并进行模型监控，会使用到开源数据日志库📘whylogs，它可以用于捕获数据的关键统计属性。安装方式很简单，执行下列 pip 命令即可

python pip install "whylogs[whylabs]"

接下来，导入所用的工具库whylogs、pandas和os。我们也创建一份 Dataframe 数据集进行分析。

```python import whylogs as why import pandas as pd import os

create dataframe with dataset

dataset = pd.read_csv("http://whylabs-public.s3.us-west-2.amazonaws.com/datasets/tour/current.csv") ```

使用 whylogs 创建的数据配置文件可以单独用于数据验证和数据漂移可视化，简单的示例如下：

```python import whylogs as why import pandas as pd

dataframe

df = pd.read_csv("path/to/file.csv") results = why.log(df) ```

这里也讲解一下云端环境，即把配置文件写入 WhyLabs Observatory 以执行 ML 监控。

为了向 WhyLabs 写入配置文件，我们将 📘创建一个帐户（免费）并获取组织 ID、Key和项目 ID，以将它们设置为项目中的环境变量。

```python

Set WhyLabs access keys

os.environ["WHYLABS_DEFAULT_ORG_ID"] = 'YOURORGID' os.environ["WHYLABS_API_KEY"] = 'YOURACCESSTOKEN' os.environ["WHYLABS_DEFAULT_DATASET_ID"] = 'PROJECTID' ```

💦 新建项目并获取 ID

Create Project > Set up model > Create Project，整个操作过程如下图所示：

💦 获取组织 ID 和访问 Key

菜单 > 设置 > 访问令牌 > 创建访问令牌，如下图所示：

经过这个配置，接下来就可以将数据配置文件写入 WhyLabs。

💦 将配置文件写入 WhyLabs 以进行 ML 监控

设置访问密钥后，可以轻松创建数据集的配置文件并将其写入 WhyLabs。这使我们只需几行代码即可监控输入数据和模型预测！

```python

initial WhyLabs writer, Create whylogs profile, write profile to WhyLabs

writer = WhyLabsWriter() profile= why.log(dataset) writer.write(file=profile.view()) ```

我们可以在 pipeline 管道的任何阶段创建配置文件，也就是说可以对每个步骤的数据进行监控。一旦完成将配置文件写入 WhyLabs，就可以检查、比较和监控数据质量和数据漂移。

上述步骤过后，只需单击一下（或创建自定义监视器）即可启用预配置的监视器，检测数据配置文件中的异常情况。设置常见的监控任务是非常容易的，也可以很清晰快捷地检测数据漂移、数据质量问题和模型性能。

配置监视器后，可以在检查输入功能时对其进行预览。

当检测到异常时，可以通过电子邮件、Slack 或 PagerDuty 发送通知。在设置 > 通知和摘要设置中设置通知首选项。

上述这些简单的步骤，我们已经完成了从 ML 管道中的任何步骤提取数据、构建日志和监控分析，并在发生异常时得到通知。

💦 监控模型性能指标

前面看到了如何监控模型输入和输出数据，我们还可以通过在预测结果来监控性能指标，例如准确度、精确度等。

要记录用于监控的性能指标，可以使用why.log_classification_metrics或why.log_regression_metrics并传入包含模型输出结果的 Dataframe。

```python results = why.log_classification_metrics( df, target_column = "ground_truth", prediction_column = "cls_output", score_column="prob_output" )

profile = results.profile() results.writer("whylabs").write() ```

注意：确保您的项目在设置中配置为分类或回归模型。

在下面的示例笔记本中查看用于性能监控的数据示例。

大家想获得更多关于监控的示例 notebook 笔记本，可以查看官方 GitHub 关于 📘分类和 📘回归的代码。

参考资料

本文正在参加「金石计划 . 瓜分6万现金大奖」

「其他文章」
「」
「」