7.6 KiB
| machine_translated | machine_translated_rev | toc_priority | toc_title |
|---|---|---|---|
| true | d734a8e46d |
41 | CatBoostモデルの適用 |
ClickHouseでのCatboostモデルの適用
CatBoost では、このオープンソースの勾配向上の図書館が開発した Yandex 機械学習のために。
この命令では、sqlからモデル推論を実行して、事前に学習したモデルをclickhouseに適用する方法を学習します。
ClickHouseでCatBoostモデルを適用するには:
- テーブルの作成.
- データをテーブルに挿入する.
- ClickhouseにCatBoostを統合 （任意ステップ）。
- SQLからモデル推論を実行する.
CatBoostモデルのトレーニングの詳細については、 訓練用モデル.
前提条件
あなたが持っていない場合 Docker しかし、インストールしてください。
!!! note "メモ" Docker であるソフトウェアプラットフォームを作成することができる容器を隔離するCatBoostとClickHouse設置からシステム。
CatBoostモデルを適用する前に:
1. を引く Dockerイメージ レジストリから:
$ docker pull yandex/tutorial-catboost-clickhouse
このdocker画像を含むものを実行する必要がありますcatboostとclickhouse:コードでは、ランタイム時において、図書館、環境変数の設定ファイルです。
2. Dockerイメージが正常にプルされたことを確認します:
$ docker image ls
REPOSITORY TAG IMAGE ID CREATED SIZE
yandex/tutorial-catboost-clickhouse latest 622e4d17945b 22 hours ago 1.37GB
3. この画像に基づいてDockerコンテナを起動します:
$ docker run -it -p 8888:8888 yandex/tutorial-catboost-clickhouse
1. テーブルの作成
トレーニングサンプルのclickhouseテーブルを作成するには:
1. 開始ClickHouseコンソールがクライアントのインタラクティブモード:
$ clickhouse client
!!! note "メモ" ClickHouseサーバーはすでにDockerコンテナ内で実行されています。
2. テーブルを作成しのコマンドを使用して:
:) CREATE TABLE amazon_train
(
date Date MATERIALIZED today(),
ACTION UInt8,
RESOURCE UInt32,
MGR_ID UInt32,
ROLE_ROLLUP_1 UInt32,
ROLE_ROLLUP_2 UInt32,
ROLE_DEPTNAME UInt32,
ROLE_TITLE UInt32,
ROLE_FAMILY_DESC UInt32,
ROLE_FAMILY UInt32,
ROLE_CODE UInt32
)
ENGINE = MergeTree ORDER BY date
3. ClickHouseコンソールクライアン:
:) exit
2. データをテーブルに挿入する
データを挿入するには:
1. 次のコマンドを実行します:
$ clickhouse client --host 127.0.0.1 --query 'INSERT INTO amazon_train FORMAT CSVWithNames' < ~/amazon/train.csv
2. 開始ClickHouseコンソールがクライアントのインタラクティブモード:
$ clickhouse client
3. データがアップロードされている:
:) SELECT count() FROM amazon_train
SELECT count()
FROM amazon_train
+-count()-+
| 65538 |
+-------+
3. ClickhouseにCatBoostを統合
!!! note "メモ" 省略可能なステップ。 のDocker画像を含むものを実行する必要がありますCatBoostとClickHouse.
CatBoostをClickHouseに統合するには:
1. 評価ライブラリを構築します。
CatBoostモデルを評価する最速の方法はcompileです libcatboostmodel.<so|dll|dylib> ライブラリ。 に関する詳細については、図書館を参照 CatBoost書.
2. 新しいディレクトリを任意の場所に、任意の名前で作成します。, data 作成したライブラリをその中に入れます。 Dockerイメージにはすでにライブ data/libcatboostmodel.so.
3. Configモデルの新しいディレクトリを任意の場所に、任意の名前で作成します。, models.
4. 任意の名前のモデル構成ファイルを作成します。, models/amazon_model.xml.
5. モデル構成の説明:
<models>
<model>
<!-- Model type. Now catboost only. -->
<type>catboost</type>
<!-- Model name. -->
<name>amazon</name>
<!-- Path to trained model. -->
<path>/home/catboost/tutorial/catboost_model.bin</path>
<!-- Update interval. -->
<lifetime>0</lifetime>
</model>
</models>
6. CatBoostへのパスとモデル設定をClickHouse設定に追加します:
<!-- File etc/clickhouse-server/config.d/models_config.xml. -->
<catboost_dynamic_library_path>/home/catboost/data/libcatboostmodel.so</catboost_dynamic_library_path>
<models_config>/home/catboost/models/*_model.xml</models_config>
4. SQLからモデル推論を実行する
試験モデルのclickhouseト $ clickhouse client.
モデルが動作していることを確認しましょう:
:) SELECT
modelEvaluate('amazon',
RESOURCE,
MGR_ID,
ROLE_ROLLUP_1,
ROLE_ROLLUP_2,
ROLE_DEPTNAME,
ROLE_TITLE,
ROLE_FAMILY_DESC,
ROLE_FAMILY,
ROLE_CODE) > 0 AS prediction,
ACTION AS target
FROM amazon_train
LIMIT 10
!!! note "メモ" 機能 モデル値 マルチクラスモデルのクラスごとの生の予測を持つタプルを返します。
確率を予測してみましょう:
:) SELECT
modelEvaluate('amazon',
RESOURCE,
MGR_ID,
ROLE_ROLLUP_1,
ROLE_ROLLUP_2,
ROLE_DEPTNAME,
ROLE_TITLE,
ROLE_FAMILY_DESC,
ROLE_FAMILY,
ROLE_CODE) AS prediction,
1. / (1 + exp(-prediction)) AS probability,
ACTION AS target
FROM amazon_train
LIMIT 10
!!! note "メモ" 詳細について exp() 機能。
サンプルのloglossを計算してみましょう:
:) SELECT -avg(tg * log(prob) + (1 - tg) * log(1 - prob)) AS logloss
FROM
(
SELECT
modelEvaluate('amazon',
RESOURCE,
MGR_ID,
ROLE_ROLLUP_1,
ROLE_ROLLUP_2,
ROLE_DEPTNAME,
ROLE_TITLE,
ROLE_FAMILY_DESC,
ROLE_FAMILY,
ROLE_CODE) AS prediction,
1. / (1. + exp(-prediction)) AS prob,
ACTION AS tg
FROM amazon_train
)