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
上一篇 2025年11月10日 08:41:37
下一篇 2025年11月10日 08:42:35

相关推荐

  • Uniapp 中如何不拉伸不裁剪地展示图片?

    灵活展示图片:如何不拉伸不裁剪 在界面设计中,常常需要以原尺寸展示用户上传的图片。本文将介绍一种在 uniapp 框架中实现该功能的简单方法。 对于不同尺寸的图片,可以采用以下处理方式: 极端宽高比:撑满屏幕宽度或高度,再等比缩放居中。非极端宽高比:居中显示,若能撑满则撑满。 然而,如果需要不拉伸不…

    2025年12月24日
    400
  • 如何让小说网站控制台显示乱码,同时网页内容正常显示?

    如何在不影响用户界面的情况下实现控制台乱码? 当在小说网站上下载小说时,大家可能会遇到一个问题:网站上的文本在网页内正常显示,但是在控制台中却是乱码。如何实现此类操作,从而在不影响用户界面(UI)的情况下保持控制台乱码呢? 答案在于使用自定义字体。网站可以通过在服务器端配置自定义字体,并通过在客户端…

    2025年12月24日
    800
  • 如何在地图上轻松创建气泡信息框?

    地图上气泡信息框的巧妙生成 地图上气泡信息框是一种常用的交互功能,它简便易用,能够为用户提供额外信息。本文将探讨如何借助地图库的功能轻松创建这一功能。 利用地图库的原生功能 大多数地图库,如高德地图,都提供了现成的信息窗体和右键菜单功能。这些功能可以通过以下途径实现: 高德地图 JS API 参考文…

    2025年12月24日
    400
  • 如何使用 scroll-behavior 属性实现元素scrollLeft变化时的平滑动画?

    如何实现元素scrollleft变化时的平滑动画效果? 在许多网页应用中,滚动容器的水平滚动条(scrollleft)需要频繁使用。为了让滚动动作更加自然,你希望给scrollleft的变化添加动画效果。 解决方案:scroll-behavior 属性 要实现scrollleft变化时的平滑动画效果…

    2025年12月24日
    000
  • 如何为滚动元素添加平滑过渡,使滚动条滑动时更自然流畅?

    给滚动元素平滑过渡 如何在滚动条属性(scrollleft)发生改变时为元素添加平滑的过渡效果? 解决方案:scroll-behavior 属性 为滚动容器设置 scroll-behavior 属性可以实现平滑滚动。 html 代码: click the button to slide right!…

    2025年12月24日
    500
  • 如何选择元素个数不固定的指定类名子元素?

    灵活选择元素个数不固定的指定类名子元素 在网页布局中,有时需要选择特定类名的子元素,但这些元素的数量并不固定。例如,下面这段 html 代码中,activebar 和 item 元素的数量均不固定: *n *n 如果需要选择第一个 item元素,可以使用 css 选择器 :nth-child()。该…

    2025年12月24日
    200
  • 使用 SVG 如何实现自定义宽度、间距和半径的虚线边框?

    使用 svg 实现自定义虚线边框 如何实现一个具有自定义宽度、间距和半径的虚线边框是一个常见的前端开发问题。传统的解决方案通常涉及使用 border-image 引入切片图片,但是这种方法存在引入外部资源、性能低下的缺点。 为了避免上述问题,可以使用 svg(可缩放矢量图形)来创建纯代码实现。一种方…

    2025年12月24日
    100
  • 如何解决本地图片在使用 mask JS 库时出现的跨域错误?

    如何跨越localhost使用本地图片? 问题: 在本地使用mask js库时,引入本地图片会报跨域错误。 解决方案: 要解决此问题,需要使用本地服务器启动文件,以http或https协议访问图片,而不是使用file://协议。例如: python -m http.server 8000 然后,可以…

    2025年12月24日
    200
  • 如何让“元素跟随文本高度,而不是撑高父容器?

    如何让 元素跟随文本高度,而不是撑高父容器 在页面布局中,经常遇到父容器高度被子元素撑开的问题。在图例所示的案例中,父容器被较高的图片撑开,而文本的高度没有被考虑。本问答将提供纯css解决方案,让图片跟随文本高度,确保父容器的高度不会被图片影响。 解决方法 为了解决这个问题,需要将图片从文档流中脱离…

    2025年12月24日
    000
  • 为什么 CSS mask 属性未请求指定图片?

    解决 css mask 属性未请求图片的问题 在使用 css mask 属性时,指定了图片地址,但网络面板显示未请求获取该图片,这可能是由于浏览器兼容性问题造成的。 问题 如下代码所示: 立即学习“前端免费学习笔记(深入)”; icon [data-icon=”cloud”] { –icon-cl…

    2025年12月24日
    200
  • 如何利用 CSS 选中激活标签并影响相邻元素的样式?

    如何利用 css 选中激活标签并影响相邻元素? 为了实现激活标签影响相邻元素的样式需求,可以通过 :has 选择器来实现。以下是如何具体操作: 对于激活标签相邻后的元素,可以在 css 中使用以下代码进行设置: li:has(+li.active) { border-radius: 0 0 10px…

    2025年12月24日
    100
  • 如何模拟Windows 10 设置界面中的鼠标悬浮放大效果?

    win10设置界面的鼠标移动显示周边的样式(探照灯效果)的实现方式 在windows设置界面的鼠标悬浮效果中,光标周围会显示一个放大区域。在前端开发中,可以通过多种方式实现类似的效果。 使用css 使用css的transform和box-shadow属性。通过将transform: scale(1.…

    2025年12月24日
    200
  • 为什么我的 Safari 自定义样式表在百度页面上失效了?

    为什么在 Safari 中自定义样式表未能正常工作? 在 Safari 的偏好设置中设置自定义样式表后,您对其进行测试却发现效果不同。在您自己的网页中,样式有效,而在百度页面中却失效。 造成这种情况的原因是,第一个访问的项目使用了文件协议,可以访问本地目录中的图片文件。而第二个访问的百度使用了 ht…

    2025年12月24日
    000
  • 如何用前端实现 Windows 10 设置界面的鼠标移动探照灯效果?

    如何在前端实现 Windows 10 设置界面中的鼠标移动探照灯效果 想要在前端开发中实现 Windows 10 设置界面中类似的鼠标移动探照灯效果,可以通过以下途径: CSS 解决方案 DEMO 1: Windows 10 网格悬停效果:https://codepen.io/tr4553r7/pe…

    2025年12月24日
    000
  • 使用CSS mask属性指定图片URL时,为什么浏览器无法加载图片?

    css mask属性未能加载图片的解决方法 使用css mask属性指定图片url时,如示例中所示: mask: url(“https://api.iconify.design/mdi:apple-icloud.svg”) center / contain no-repeat; 但是,在网络面板中却…

    2025年12月24日
    000
  • 如何用CSS Paint API为网页元素添加时尚的斑马线边框?

    为元素添加时尚的斑马线边框 在网页设计中,有时我们需要添加时尚的边框来提升元素的视觉效果。其中,斑马线边框是一种既醒目又别致的设计元素。 实现斜向斑马线边框 要实现斜向斑马线间隔圆环,我们可以使用css paint api。该api提供了强大的功能,可以让我们在元素上绘制复杂的图形。 立即学习“前端…

    2025年12月24日
    000
  • 图片如何不撑高父容器?

    如何让图片不撑高父容器? 当父容器包含不同高度的子元素时,父容器的高度通常会被最高元素撑开。如果你希望父容器的高度由文本内容撑开,避免图片对其产生影响,可以通过以下 css 解决方法: 绝对定位元素: .child-image { position: absolute; top: 0; left: …

    2025年12月24日
    000
  • 使用 Mask 导入本地图片时,如何解决跨域问题?

    跨域疑难:如何解决 mask 引入本地图片产生的跨域问题? 在使用 mask 导入本地图片时,你可能会遇到令人沮丧的跨域错误。为什么会出现跨域问题呢?让我们深入了解一下: mask 框架假设你以 http(s) 协议加载你的 html 文件,而当使用 file:// 协议打开本地文件时,就会产生跨域…

    2025年12月24日
    200
  • CSS 帮助

    我正在尝试将文本附加到棕色框的左侧。我不能。我不知道代码有什么问题。请帮助我。 css .hero { position: relative; bottom: 80px; display: flex; justify-content: left; align-items: start; color:…

    2025年12月24日 好文分享
    200
  • 前端代码辅助工具:如何选择最可靠的AI工具?

    前端代码辅助工具:可靠性探讨 对于前端工程师来说,在HTML、CSS和JavaScript开发中借助AI工具是司空见惯的事情。然而,并非所有工具都能提供同等的可靠性。 个性化需求 关于哪个AI工具最可靠,这个问题没有一刀切的答案。每个人的使用习惯和项目需求各不相同。以下是一些影响选择的重要因素: 立…

    2025年12月24日
    300

发表回复

登录后才能评论
关注微信