Модель Scikit Learn, дающая объект «Локальный фактор выбросов», не имеет атрибута «прогнозировать». Ошибка ⇐ Python

[Anonymous]

Я новичок в мире машинного обучения, я создал и обучил модель машинного обучения с помощью библиотеки ScikitLearn. Она отлично работает в блокноте Jupyter, но когда я развернул эту модель в Google Cloud ML и попытался обслуживать ее с помощью Python скрипт, он выдает ошибку.

Вот фрагмент кода моей модели:


Обновлено:

Код: Выделить всё

from sklearn.metrics import classification_report, accuracy_score
from sklearn.ensemble import IsolationForest
from sklearn.neighbors import LocalOutlierFactor

# define a random state
state = 1

classifiers = {
"Isolation Forest": IsolationForest(max_samples=len(X),
contamination=outlier_fraction,
random_state=state),
# "Local Outlier Factor": LocalOutlierFactor(
# n_neighbors = 20,
# contamination = outlier_fraction)
}

import pickle
# fit the model
n_outliers = len(Fraud)

for i, (clf_name, clf) in enumerate(classifiers.items()):

# fit te data and tag outliers
if clf_name == "Local Outlier Factor":
y_pred = clf.fit_predict(X)
print("LOF executed")
scores_pred = clf.negative_outlier_factor_
# Export the classifier to a file
with open('model.pkl', 'wb') as model_file:
pickle.dump(clf, model_file)
else:
clf.fit(X)
scores_pred = clf.decision_function(X)
y_pred = clf.predict(X)
print("IF executed")
# Export the classifier to a file
with open('model.pkl', 'wb') as model_file:
pickle.dump(clf, model_file)
# Reshape the prediction values to 0 for valid and 1 for fraudulent
y_pred[y_pred == 1] = 0
y_pred[y_pred == -1] = 1

n_errors = (y_pred != Y).sum()

# run classification metrics
print('{}:{}'.format(clf_name, n_errors))
print(accuracy_score(Y, y_pred ))
print(classification_report(Y, y_pred ))

и вот результат в Jupyter Notebook:


Isolation Forest:7

0,93

Код: Выделить всё

               precision    recall  f1-score   support

0       0.97      0.96      0.96        94
1       0.43      0.50      0.46         6

avg / total    0.94      0.93      0.93       100

Я развернул эту модель в Google Cloud ML-Engine, а затем попытаюсь обслужить ее с помощью следующего скрипта Python:

Код: Выделить всё

import os
from googleapiclient import discovery
from oauth2client.service_account import ServiceAccountCredentials
credentials = ServiceAccountCredentials.from_json_keyfile_name('Machine Learning 001-dafe42dfb46f.json')

PROJECT_ID = "machine-learning-001-201312"
VERSION_NAME = "v1"
MODEL_NAME = "mlfd"
service = discovery.build('ml', 'v1', credentials=credentials)
name = 'projects/{}/models/{}'.format(PROJECT_ID, MODEL_NAME)
name += '/versions/{}'.format(VERSION_NAME)

data = [[265580, 7, 68728, 8.36, 4.76, 84.12, 79.36, 3346, 1, 11.99, 1.14,655012, 0.65, 258374, 0, 84.12] ]

response = service.projects().predict(
name=name,
body={'instances': data}
).execute()

if 'error' in response:
print (response['error'])
else:
online_results = response['predictions']
print(online_results)

Вот выходные данные этого скрипта:


Прогноз не выполнен: исключение во время предсказание sklearn: объект LocalOutlierFactor не имеет атрибута predict


Подробнее здесь: https://stackoverflow.com/questions/500 ... te-predict