Cloudera为机器学习服务增加了监视与可解释性

Cloudera机器学习(CML)得到了更新，最终将大数据公司的共享数据体验(SDX)扩展到了机器学习模型，并提供了性能监控，以帮助那些为准备就绪而苦苦准备的人。

首先突出显示的功能是一些附加功能，使团队可以密切关注其模型的运行情况。集成了新的监视服务，据说可以同时解决功能和技术方面的问题。

它可以帮助测量诸如模型漂移，等待时间和预测准确性之类的东西，然后可以通过专用UI对其进行可视化。但是，由于各个公司的设置和监视目标不同，因此Cloudera还提供了Python SDK，用于编写用于跟踪和分析的自定义代码。

CML被广告宣传为Cloudera Data Platform的机器学习服务，Cloudera Data Platform是Hortonworks-Cloudera合并于2019年初完成的产品，因此该工具现在可以利用该平台的共享数据体验了。SDX的创建是为了在不同环境中实施统一策略。现在完成的对CML的扩展意味着CDP上设置的安全和治理规则也可以用于模型部署，这对于生产环境而言是个好兆头。

广告

如果这听起来不够有趣，那么该公司还表示已经扩展了数据治理和元数据框架Apache Atlas(该平台的一部分)，以包括模型元数据。这可能证明对调试和解释模型很有用，因为这些信息可以说明如何构建模型，包括使用了哪些数据。由于基本的可解释性是在各种行业(例如金融或医学)中使用机器学习的先决条件，因此越来越喜欢这种功能。

ML服务的此迭代中的其他修改包括一些内部重组，旨在改善已部署模型对Kubernetes集群的可用性以及对模型进行分类的方法。

可以在Cloudera博客上找到一个演示新功能的分步示例。CML按小时收费，每个实例每小时0.68美元，并且可在CDP上用于Azure和AWS。