어떤 파이프라인을 사용해야 합니까?¶
Driverless AI Python Scoring Pipeline¶
Driverless AI Python Scoring Pipeline은 Python whl 파일로 구현됩니다. 이는 단일 프로세스 스코어링 엔진을 고려하지만, 일반적으로 스코어링 서비스는 클라이언트/서버 아키텍처로 구현되며 TCP 및 HTTP용 인터페이스를 지원합니다. Phython 스코어링 파이프라인을 실행할 때:
HTTP는 거의 모든 언어에서 지원됩니다. HTTP는 curl, wget 또는 다양한 스크립팅 언어에서 지원되는 패키지를 통해 RESTful 호출을 지원합니다.
TCP는 더 빠르지만 조금 더 복잡합니다. TCP에는 Thrift도 필요한데, 이는 현재 NA를 처리하지 않습니다.
k-LIME 이유 코드 및 Shapley 이유 코드 whl 파일은 MLI 실험 페이지의 MLI Standalone Python Scoring Pipeline 에서 all models 에 대해 얻을 수 있습니다.
Driverless AI MOJO Scoring Pipeline¶
Driverless AI MOJO Scoring Pipeline은 유연하고 Python Scoring Pipeline보다 더 빠릅니다. 일부 코딩이 필요합니다. MOJO Scoring Pipeline은 Java 런타임 또는 C++ 런타임 (R 및 Python 래퍼 사용)으로 사용할 수 있습니다.
k-LIME 이유 코드 mojo는 MLI 실험 페이지에서 K-Lime MOJO reason code Pipeline 으로 다운로드할 수 있습니다.
Shapley 이유 코드 기여는 Driverless AI Java MOJO Scoring Pipeline 에서 얻을 수 있습니다. 현재 Shapley contributions 는 XGBoost(GBM, GLM, RF, DART), LightGBM 및 DecisionTree 모델(및 그 앙상블)에 available 하며, ZeroInflated, Imbalanced, ExtraTrees 메타 학습기(ensemble_meta_learner =’extra_trees’)가 포함된 앙상블에는 not available 합니다.
