处理在线预测请求

Question

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，但是Request与模型输入相比通常有所不同，例如：

• 可以请求分类变量，但需要模型，并将整数映射到该类别
• 对于给定功能，我们可能还需要创建多个功能，例如将文本分为两个或多个功能
• 我们可能需要排除请求中的某些功能，例如对模型无用的恒定功能

您如何处理此过程？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，在数据流中进行处理，将其保存到gcs，并触发云功能，以将处理后的请求发送到ml-engine端点并获得预测的结果。这可能是一项过度设计，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。这将允许您以scikit学习管道或Python函数的形式进行尝试执行的转换类型。如果您想对其进行测试，请联系cloudml-feedback@google.com。