Python ScikitLearn模型给出'；局部异常因子'；对象没有属性'；预测'；错误

我是机器学习领域的新手，我使用ScikitLearn库构建并训练了一个ml模型。它在Jupyter笔记本中运行得非常好，但当我将此模型部署到Google Cloud ml并尝试使用Python脚本为其提供服务时，它抛出了一个错误

下面是我的模型代码的一个片段：

更新：

以下是Jupyter笔记本中的输出：

隔离林：7

0.93

               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

我已将此模型部署到Google Cloud ML引擎，然后尝试使用以下python脚本为其提供服务：

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)

以下是此脚本的输出：

预测失败：sklearn预测期间出现异常：“LocalOutlierFactor”对象没有属性“predict”

---

LocalOutlierFactor

没有

predict

方法，只有private

\u predict

方法。以下是来源的理由

def _predict(self, X=None):
    """Predict the labels (1 inlier, -1 outlier) of X according to LOF.
    If X is None, returns the same as fit_predict(X_train).
    This method allows to generalize prediction to new observations (not
    in the training set). As LOF originally does not deal with new data,
    this method is kept private.

---

看起来这可能是Python版本的事情（尽管我不清楚为什么scikit learn在Python 2和Python 3中的行为不同）。我能够在同一台机器上本地验证我的Python2安装是否复制了上述错误，而Python3成功了（两者都使用sci kit learn 0.19.1）

解决方案是在部署模型时指定python版本（注意最后一行，如果省略，则默认为“2.7”）：

---

令人惊讶的是，问题在于运行时版本，当您将模型版本重新创建为：

gcloud beta ml-engine versions create $VERSION_NAME  --model $MODEL_NAME --origin $DEPLOYMENT_SOURCE --runtime-version="1.6" --framework $FRAMEWORK --python-version="3.5"

使用运行时版本1.6而不是1.5，至少将其转换为运行模型

---

我从事的一个项目似乎非常相似。我也犯了同样的错误。我的问题是if语句中的一个输入错误

问候

---

Lorenz

Hi@Bert，你能给我提供源代码的链接吗？请那么，我该如何将其集成到我的模型中呢？嗨@Bert，这里还有一个让我困惑的地方，我正在使用

隔离林

分类器和它的

预测

方法，那么为什么它指向

局部异常因子

？对不起，我不熟悉Google Cloud ML引擎。可能您有以前运行的遗留LOF模型或代码，或者没有完全部署IF。不过，它确实试图在LocalOutlierFactor对象上调用predict（）。嗨@Bert，现在我已经从我的模型中删除了te=he“Local Outlier Factor”，并生成了一个新的

pickle

文件并再次上传它，但我仍然得到了相同的错误。上面显示的python脚本，在任何地方都不要使用

LocalOutlierFactor

。你确定你在谷歌上使用的是同一个脚本吗？为什么要更改代码？只需在google ml上发布内容。google ml仍然返回相同的错误。我已经用

Python 3.5

创建了我的模型版本，也用

Python 3.6

编写了我的模型代码，只是为了验证：您使用--Python version=“3.5”创建了模型并且仍然可以得到报告的错误消息？有可能您更新的代码实际上并不是部署在Google Cloud ML engine中的代码（主要是因为错误消息指的是在代码中注释掉的类）。您是否可以尝试将您的新模型（仅具有

IsolationForest

分类器）上载到

gcs

并尝试使用上述命令重新部署它？这并不提供问题的答案，如果您可以识别特定的打字错误，请在您的答案中指出。

gcloud beta ml-engine versions create $VERSION_NAME \
    --model $MODEL_NAME --origin $DEPLOYMENT_SOURCE \
    --runtime-version="1.5" --framework $FRAMEWORK
    --python-version="3.5"

gcloud beta ml-engine versions create $VERSION_NAME  --model $MODEL_NAME --origin $DEPLOYMENT_SOURCE --runtime-version="1.6" --framework $FRAMEWORK --python-version="3.5"