Просмотр происхождения хранилища функций

При регистрации модели с помощью FeatureEngineeringClient.log_modelфункции, используемые в модели, автоматически отслеживаются и можно просматривать на вкладке "Происхождение" каталога Обозреватель. Помимо таблиц компонентов, определяемые пользователем Python, используемые для вычислений функций по запросу, также отслеживаются.

Получение происхождения таблицы признаков, функции или модели

Таблицы и функции отслеживания происхождения данных, используемые в моделях, автоматически фиксируются при вызове log_model. См. следующий пример кода.

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
)

Просмотр происхождения таблицы признаков, модели или функции

Чтобы просмотреть происхождение таблицы признаков, модели или функции, выполните следующие действия:

1. Перейдите на страницу таблицы, версии модели или функции в Обозреватель каталога.

2. Перейдите на вкладку "Происхождение". На левой боковой панели показаны компоненты каталога Unity, которые были зарегистрированы с помощью этой таблицы, версии модели или функции.

   

3. Щелкните " Просмотреть график происхождения". Появится граф происхождения. Дополнительные сведения об изучении графа происхождения см. в разделе "Захват и изучение происхождения".

   

4. Чтобы закрыть график происхождения, щелкните в правом верхнем углу.