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:
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。
答案 0 :(得分:0)
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。