Özellik deposu kökenini görüntüleme

kullanarak FeatureEngineeringClient.log_modelbir modeli günlüğe kaydettiğinizde, modelde kullanılan özellikler otomatik olarak izlenir ve Katalog Gezgini'nin Köken sekmesinde görüntülenebilir. Özellik tablolarına ek olarak, isteğe bağlı özellikleri hesaplamak için kullanılan Python UDF'leri de izlenir.

Özellik tablosunun, işlevinin veya modelinin kökenini yakalama

Modellerde kullanılan köken bilgileri izleme özellik tabloları ve işlevleri, çağırdığınızda log_modelotomatik olarak yakalanır. Aşağıdaki örnek koda bakın.

from databricks.feature_engineering import FeatureEngineeringClient, FeatureLookup, FeatureFunction
fe = FeatureEngineeringClient()

features = [
    FeatureLookup(
        table_name = "main.on_demand_demo.restaurant_features",
        feature_names = ["latitude", "longitude"],
        rename_outputs={"latitude": "restaurant_latitude", "longitude": "restaurant_longitude"},
        lookup_key = "restaurant_id",
        timestamp_lookup_key = "ts"
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.extract_user_latitude",
        output_name="user_latitude",
        input_bindings={"blob": "json_blob"},
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.extract_user_longitude",
        output_name="user_longitude",
        input_bindings={"blob": "json_blob"},
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.haversine_distance",
        output_name="distance",
        input_bindings={"x1": "restaurant_longitude", "y1": "restaurant_latitude", "x2": "user_longitude", "y2": "user_latitude"},
    )
]

training_set = fe.create_training_set(
    label_df, feature_lookups=features, label="label", exclude_columns=["restaurant_id", "json_blob", "restaurant_latitude", "restaurant_longitude", "user_latitude", "user_longitude", "ts"]
)

class IsClose(mlflow.pyfunc.PythonModel):
    def predict(self, ctx, inp):
        return (inp['distance'] < 2.5).values

model_name = "fe_packaged_model"
mlflow.set_registry_uri("databricks-uc")

fe.log_model(
    IsClose(),
    model_name,
    flavor=mlflow.pyfunc,
    training_set=training_set,
    registered_model_name=registered_model_name
)

Özellik tablosunun, modelinin veya işlevinin kökenini görüntüleme

Özellik tablosu, modeli veya işlevinin kökenini görüntülemek için şu adımları izleyin:

1. Katalog Gezgini'nde tablo, model sürümü veya işlev sayfasına gidin.

2. Köken sekmesini seçin. Sol kenar çubuğunda bu tablo, model sürümü veya işlevle günlüğe kaydedilen Unity Kataloğu bileşenleri gösterilir.

   

3. Köken grafiğini gör'e tıklayın. Köken grafiği görüntülenir. Köken grafiğini keşfetme hakkında ayrıntılı bilgi için bkz . Köken yakalama ve keşfetme.

   

4. Köken grafiğini kapatmak için sağ üst köşeye tıklayın .