解决Snowflake中保存的Encoder无法用于推理新数据的问题

解决snowflake中保存的encoder无法用于推理新数据的问题

本文旨在解决在Snowflake中使用保存的Encoder进行新数据推理时遇到的“ufunc ‘isnan’ not supported”错误。通过详细的代码示例和解释,本文将指导你如何在Snowflake中正确地存储和加载Encoder,并使用它们进行数据转换,最终实现模型推理。同时,还将介绍如何优化UDF的性能,使用向量化特性和缓存机制来提高推理速度。

在使用Snowflake进行机器学习模型部署时,一个常见的挑战是如何在用户自定义函数(UDF)中加载和使用预先训练好的Encoder和模型。本文将深入探讨如何解决在Snowflake中保存的Encoder(例如OneHotEncoder和OrdinalEncoder)在用于新数据推理时出现的“ufunc ‘isnan’ not supported”错误。我们将提供详细的步骤和代码示例,以确保你能够成功地在Snowflake环境中进行模型推理。

问题分析

该问题的核心在于,当从Snowflake加载Encoder并尝试使用它们转换新的数据时,由于数据类型或数据格式不匹配,导致numpy的isnan函数无法处理输入数据。这通常发生在以下情况下:

数据类型不一致: 训练数据和推理数据的数据类型不一致,例如,训练时是数值型,推理时变成了字符串型。缺失值处理不当: Encoder在训练时没有正确处理缺失值,导致在推理时遇到未知的缺失值。API调用错误: 混淆了Snowpark API和scikit-learn API,导致数据转换失败。

解决方案

以下步骤将指导你如何正确地在Snowflake中存储、加载和使用Encoder进行模型推理。

1. 数据准备和Encoder训练

首先,我们需要准备数据并训练Encoder。以下代码演示了如何使用Snowpark和scikit-learn的OneHotEncoder和OrdinalEncoder。

无涯·问知 无涯·问知

无涯·问知,是一款基于星环大模型底座,结合个人知识库、企业知识库、法律法规、财经等多种知识源的企业级垂直领域问答产品

无涯·问知 40 查看详情 无涯·问知

from snowflake.snowpark.session import Sessionimport snowflake.snowpark.functions as Fimport numpy as npfrom snowflake.ml.modeling.preprocessing import OneHotEncoder,OrdinalEncoderfrom snowflake.ml.modeling.xgboost import XGBRegressorimport json# 创建Snowflake会话connection_parameters = json.load(open('connection.json'))session = Session.builder.configs(connection_parameters).create()# 创建模拟数据mock_df = session.create_dataframe(    [[979152,"A","XX","SUN","2023-11-24 08:30:00","2023-11-24 12:25:00",189,0.62],     [987073,"A","ZZ","SUN","2023-12-13 16:15:00","2023-12-13 11:25:00",189,0.75],     [951384,"C","YY","FAR_SUN","2023-12-05 09:40:00","2023-12-05 13:35:00",189,0.88],     [952380,"B","WW","FAR_SUN","2023-11-22 19:45:00","2023-11-22 14:30:00",235,0.86],     [963602,"B","ZZ","FAR_SUN","2023-12-29 10:30:00","2023-12-29 15:05:00",235,0.66]],    schema=[        "ID","AIRPORT","A_AIRPORT",        "CATEGORY","D_DATETIME","A_DATETIME","CAPACITY","TARGET"    ])mock_df = mock_df.select_expr("*","TO_TIMESTAMP(D_DATETIME) AS D_DATETIME_T","TO_TIMESTAMP(A_DATETIME) AS A_DATETIME_T")# 训练OneHotEncoderohe = OneHotEncoder(handle_unknown='ignore',input_cols='CATEGORY',output_cols='ROUTE_OHE')ohe.fit(mock_df)# 训练OrdinalEncodercategories = {    "AIRPORT": np.array(['A', 'B', 'C'])}oe = OrdinalEncoder(    handle_unknown='use_encoded_value',unknown_value=-1,    encoded_missing_value=-1,input_cols='AIRPORT',    output_cols='AIRPORT_ENCODE',    categories=categories)oe.fit(mock_df)# 训练XGBoost模型xgb = XGBRegressor(    n_estimators = 100,    max_depth = 3,    input_cols=[        "AIRPORT_ENCODE","ROUTE_OHE_FAR_SUN","ROUTE_OHE_SUN",        "CAPACITY"    ],    label_cols="TARGET",output_cols="xgb_prediction")xgb.fit(mock_df)

2. 保存Encoder和模型到Snowflake

接下来,我们将Encoder和模型保存到Snowflake的stage中。使用joblib库将对象序列化,然后使用Snowflake的PUT命令将文件上传到stage。

from joblib import dumpdef save_object(object_,filename,stagename,auto_compress=True):    dump(object_, filename)    session.file.put(filename, stagename, overwrite=True,auto_compress=auto_compress)    return# 提取模型对象xgb_model = xgb.to_xgboost()ohe_obj = ohe.to_sklearn()oe_obj = oe.to_sklearn()# 保存对象到stagesave_object(xgb_model,'xgb_model.joblib','@AM_TEST_MODELS')save_object(ohe_obj,'one_hot_encode.joblib','@AM_TEST_MODELS',auto_compress=False)save_object(oe_obj,'ordinal_encode.joblib','@AM_TEST_MODELS',auto_compress=False)

3. 创建UDF进行推理

创建一个UDF,用于加载Encoder和模型,并对新数据进行推理。以下代码演示了如何使用joblib加载Encoder和模型,并使用它们进行数据转换。

session.add_import("@AM_TEST_MODELS/xgb_model.joblib.gz")session.add_import("@AM_TEST_MODELS/one_hot_encode.joblib")session.add_import("@AM_TEST_MODELS/ordinal_encode.joblib")session.add_packages("pandas==1.5.3","joblib==1.2.0","xgboost==1.7.3","scikit-learn==1.2.2")import cachetools@cachetools.cached(cache={})def read_file(filename):    import sys    import os    import joblib    # Get the "path" of where files added through iport are avalible    import_dir = sys._xoptions.get("snowflake_import_directory")    if import_dir:        with open(os.path.join(import_dir, filename), 'rb') as file:            m = joblib.load(file)            return mfrom snowflake.snowpark.types import PandasDataFrameType,PandasSeriesType,IntegerType,StringType,FloatType,PandasDataFrame,PandasSeriesimport pandas as pd@F.udf(    name='predict_target',session=session,replace=True,    is_permanent=True,stage_location='@AM_TEST_UDFS',    input_types=[PandasDataFrameType([        IntegerType(), StringType(), StringType(),        StringType(), StringType(), StringType(), IntegerType()    ])],    return_type=PandasSeriesType(FloatType()))def predict_target(    df: pd.DataFrame) -> pd.Series:    import sys    import pandas as pd    from joblib import load    import sklearn    import xgboost as xgb    IMPORT_DIRECTORY_NAME = "snowflake_import_directory"    import_dir = sys._xoptions[IMPORT_DIRECTORY_NAME]    # 加载Encoder和模型    ohe = read_file('one_hot_encode.joblib')    oe = read_file('ordinal_encode.joblib')    model = read_file('xgb_model.joblib.gz')    features = [        "ID","AIRPORT","A_AIRPORT",        "CATEGORY","D_DATETIME","A_DATETIME","CAPACITY"    ]    df.columns = features    # 使用Encoder转换数据    df_ohe = ohe.transform(df[['CATEGORY']])    encoded_df = pd.DataFrame(df_ohe, columns=ohe.categories_)    encoded_df.columns = encoded_df.columns.get_level_values(0)    encoded_df = encoded_df.add_prefix('ROUTE_NAME_OHE_')    df = pd.concat([df, encoded_df], axis=1)    df['AIRPORT_ENCODE'] = oe.transform(df[['AIRPORT']])    # 转换日期格式    df.loc[:,'D_DATETIME'] = pd.to_datetime(        df.loc[:,'D_DATETIME'],format='%Y-%m-%d %H:%M:%S',yearfirst=True    )    df['A_DATETIME'] = pd.to_datetime(        df['A_DATETIME'],format='%Y-%m-%d %H:%M:%S',yearfirst=True    )    # 创建特征    df['depart_hour'] = df['D_DATETIME'].dt.hour    df['depart_weekday'] = df['D_DATETIME'].dt.day_of_week + 1    df['depart_monthday'] = df['D_DATETIME'].dt.day    df['depart_yearday'] = df['D_DATETIME'].dt.day_of_year    df['depart_month'] = df['D_DATETIME'].dt.month    df['depart_year'] = df['D_DATETIME'].dt.year    df['arrive_hour'] = df['A_DATETIME'].dt.hour    # 进行推理    pm = pd.Series(model.predict(df[[        "AIRPORT_ENCODE","ROUTE_NAME_OHE_FAR_SUN","ROUTE_NAME_OHE_SUN",        "CAPACITY","depart_hour",        "depart_weekday","depart_monthday","depart_yearday",        "depart_month","depart_year","arrive_hour"    ]]))    return pm

4. 使用UDF进行推理

最后,使用创建的UDF对新数据进行推理。

from snowflake.snowpark.functions import col# 创建推理数据inference_df = session.create_dataframe(    [[979152,"C","ZZ","SUN","2023-11-01 16:30:00","2023-11-01 20:25:00",189],     [987073,"C","ZZ","SUN","2023-12-18 19:15:00","2023-12-18 22:25:00",189],     [951384,"A","YY","FAR_SUN","2023-12-06 15:40:00","2023-12-06 17:35:00",189],     [952380,"A","WW","FAR_SUN","2023-11-22 10:45:00","2023-11-22 14:30:00",235],     [963602,"B","WW","FAR_SUN","2023-11-30 13:30:00","2023-12-29 15:05:00",235]],    schema=[        "ID","AIRPORT","A_AIRPORT",        "CATEGORY","D_DATETIME","A_DATETIME","CAPACITY"    ])# 调用UDF进行推理inference_df.withColumn(    'PREDICTED_TARGET',     predict_target(inference_df)).show()

注意事项

数据类型一致性: 确保训练数据和推理数据的数据类型一致。缺失值处理: 在训练Encoder时,正确处理缺失值,例如使用handle_unknown=’ignore’。API调用: 在UDF中使用scikit-learn API进行数据转换,而不是Snowpark API。列名大小写: Snowflake在存储表时会将列名转换为大写,确保在UDF中正确引用列名。向量化: 尽量使用向量化的UDF,以提高推理性能。缓存: 使用@cachetools.cached装饰器缓存加载的Encoder和模型,以避免重复加载。包依赖: 确保在Snowflake中添加了所有需要的Python包,例如pandas、joblib、xgboost和scikit-learn。

总结

通过本文,你学习了如何在Snowflake中正确地存储、加载和使用Encoder进行模型推理。遵循这些步骤和注意事项,可以避免“ufunc ‘isnan’ not supported”错误,并成功地在Snowflake环境中部署机器学习模型。同时,使用向量化特性和缓存机制可以显著提高UDF的性能,从而实现更快的推理速度。

以上就是解决Snowflake中保存的Encoder无法用于推理新数据的问题的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/576247.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
限时售价14.58万元起!焕新极氪X上市 续航最高530km
上一篇 2025年11月10日 08:42:09
在Java中如何掌握对象多态与接口使用_Java多态接口指南
下一篇 2025年11月10日 08:42:21

相关推荐

  • 修复Django电商项目中AJAX过滤产品列表图片不显示问题

    在Django电商项目中,当使用AJAX动态加载过滤后的产品列表时,常遇到图片无法正常显示的问题。这通常是由于前端模板中图片加载方式(如data-setbg属性结合JavaScript库)与AJAX动态内容更新机制不兼容所致。解决方案是直接在AJAX返回的HTML中使用标准的标签来渲染图片,确保浏览…

    2026年5月10日
    000
  • 开源免费PHP工具 PHP开发效率提升利器

    推荐开源免费PHP开发工具以提升效率:VS Code、Sublime Text轻量高效,PhpStorm专业强大;调试用Xdebug、Kint、Ray;依赖管理选Composer;代码质量工具包括PHPStan、Psalm、PHP_CodeSniffer;数据库管理可用%ignore_a_1%MyA…

    2026年5月10日
    000
  • Matplotlib 地图中多类型图例的创建与优化

    Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化

    本教程旨在解决matplotlib地图可视化中,如何在一个图例中同时展示颜色块(如区域分类)和自定义标记(如特定兴趣点)的问题。文章详细介绍了当传统`patch`对象无法正确显示标记时,如何利用`matplotlib.lines.line2d`创建标记图例句柄,并将其与颜色块图例句柄合并,从而生成一…

    2026年5月10日 用户投稿
    100
  • Golang JSON序列化:控制敏感字段暴露的最佳实践

    本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时,通过利用`encoding/json`包提供的结构体标签,特别是`json:”-“`,可以轻松实现对特定字段的忽略,从而避免敏感数据泄露,确保api…

    2026年5月10日
    000
  • 利用海象运算符简化条件赋值:Python教程与最佳实践

    本文旨在探讨Python中海象运算符(:=)在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符,以及条件表达式,分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例,展示如何在列表推导式等场景下合理使用海象运算符,同时强调其潜在的复杂性及替代方案,帮助开发者更好地掌…

    2026年5月10日
    100
  • 获取日期中的周数:CodeIgniter 教程

    本教程旨在帮助开发者在 CodeIgniter 框架中,从日期字符串中准确提取周数。我们将使用 PHP 内置的 DateTime 类,并提供详细的代码示例和注意事项,确保您能够轻松地在项目中实现此功能。 使用 DateTime 类获取周数 PHP 的 DateTime 类提供了一种便捷的方式来处理日…

    2026年5月10日
    100
  • 比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币,基于区块链技术实现点对点交易,具有匿名性、有限发行和不可篡改等特点;新手可通过交易所购买,P2P交易获得比特币,常用平台包括Binance、OKX和Huobi;交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买,可选择市价单或限价单;比特币存储方式有交易…

    2026年5月10日
    000
  • c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用

    SFINAE 是“替换失败不是错误”的原则,指模板实例化时若参数替换导致错误,只要存在其他合法候选,编译器不报错而是继续重载决议。它用于条件启用模板、类型检测等场景,如通过 decltype 或 enable_if 控制函数重载,实现类型特征判断。尽管 C++20 引入 Concepts 简化了部分…

    2026年5月10日
    000
  • Golang gRPC流式请求异常处理

    在Golang的gRPC流式通信中,必须通过context.Context处理异常。应监听上下文取消或超时,及时释放资源,设置合理超时,避免连接长时间挂起,并在goroutine中通过context控制生命周期。 在使用 Golang 和 gRPC 实现流式通信时,异常处理是确保服务健壮性的关键部分…

    2026年5月10日
    000
  • Go语言mgo查询构建:深入理解bson.M与日期范围查询的正确实践

    本文旨在解决go语言mgo库中构建复杂查询时,特别是涉及嵌套`bson.m`和日期范围筛选的常见错误。我们将深入剖析`bson.m`的类型特性,解释为何直接索引`interface{}`会导致“invalid operation”错误,并提供一种推荐的、结构清晰的代码重构方案,以确保查询条件能够正确…

    2026年5月10日
    100
  • vscode上怎么运行html_vscode上运行html步骤【指南】

    首先保存文件为.html格式,再通过浏览器或Live Server插件打开预览;推荐安装Live Server实现本地服务器运行与实时刷新,提升开发体验。 在 VS Code 上运行 HTML 文件并不需要复杂的配置,只需几个简单步骤即可预览页面效果。VS Code 本身是一个代码编辑器,不直接运行…

    2026年5月10日
    100
  • RichHandler与Rich Progress集成:解决显示冲突的教程

    在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时,可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…

    2026年5月10日
    000
  • Golang goroutine与channel调试技巧

    使用go run -race检测数据竞争,结合runtime.NumGoroutine监控协程数量,通过pprof分析阻塞调用栈,利用select超时避免永久阻塞,有效排查goroutine泄漏、死锁和数据竞争问题。 Go语言的goroutine和channel是并发编程的核心,但它们也带来了调试上…

    2026年5月10日
    000
  • 使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合,支持数据导入(pandas)、清洗(fillna)、探索(matplotlib/seaborn可视化)、统计分析(describe/corr)和特征工程,便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    2026年5月10日
    000
  • 《魔兽世界》将于6月11日开启国服回归技术测试

    《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试

    《%ign%ignore_a_1%re_a_1%》官方宣布,将于6月11日开启国服回归技术测试,时间为7天,并称可以在6月内正式开服,玩家们可以访问官网下载战网客户端并预下载“巫妖王之怒”客户端,技术测试详情见下图。 WordAi WordAI是一个AI驱动的内容重写平台 53 查看详情 以上就是《…

    2026年5月10日 用户投稿
    200
  • 如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南

    HTML表单通过标签构建,包含action和method属性定义数据提交目标与方式,常用input类型如text、password、email等适配不同输入需求,配合label、required、placeholder提升可用性,结合textarea、select、button等控件实现完整交互,是…

    2026年5月10日
    100
  • 前端缓存策略与JavaScript存储管理

    根据数据特性选择合适的存储方式并制定清晰的读写与清理逻辑,能显著提升前端性能;合理运用Cookie、localStorage、sessionStorage、IndexedDB及Cache API,结合缓存策略与定期清理机制,可在保证用户体验的同时避免安全与性能隐患。 前端缓存和JavaScript存…

    2026年5月10日
    200
  • HTML5网页如何实现手势操作 HTML5网页移动端交互的处理技巧

    首先利用原生touch事件实现滑动判断,再通过preventDefault解决滚动冲突,接着引入Hammer.js处理复杂手势,最后通过优化点击区域、避免事件冲突和增加视觉反馈提升体验。 在移动端浏览器中,HTML5网页可以通过触摸事件实现手势操作,提升用户体验。虽然原生JavaScript提供了基…

    2026年5月10日
    000
  • 创建指定大小并填充特定数据的Golang文件教程

    本文将介绍如何使用Golang创建一个指定大小的文件,并用特定数据填充它。我们将使用 `os` 包提供的函数来创建和截断文件,从而实现快速生成大文件的目的。示例代码展示了如何创建一个10MB的文件,并将其填充为全零数据。掌握这些方法,可以方便地在例如日志系统或磁盘队列等场景中,预先创建测试文件或初始…

    2026年5月10日
    000
  • 深入理解 Express.js 中 next() 参数的作用与中间件机制

    本文深入探讨 express.js 中间件函数中的 `next()` 参数。它负责将控制权传递给请求-响应周期中的下一个中间件或路由处理程序。文章将详细解释 `next()` 的工作原理、中间件的注册与执行顺序,以及不正确使用 `next()` 可能导致请求挂起的风险,并通过代码示例和实际应用场景,…

    2026年5月10日
    000

发表回复

登录后才能评论
关注微信