New Relic의 개인 데이터 가져오기를 시작하기 위한 가이드입니다. BYOD(Bring Your Own Data )를 설치, 실행 및 실험하는 방법을 배우고 기계 학습 모델의 성능 모니터링을 시작합니다.
빠른 시작
BYOD를 사용하면 3가지 주요 단계로 기계 학습 모델을 쉽게 모니터링할 수 있습니다.
# 1: Initialize the monitoringml_monitor = MLPerformanceMonitoring(...)
# 2: Add your algorithmy = my_model.predict(X)
# 3: Record your dataml_monitor.record_inference_data(X, y)
Colab 에서 이 예시를 사용하고 모델 모니터링의 엔드 투 엔드 예시를 쉽게 시도해 보세요.
설치
설치는 간단하고 모든 Python 라이브러리와 유사합니다.
pip install git+https://github.com/newrelic-experimental/ml-performance-monitoring.git
구현
이 가이드는 기계 학습 모델 모니터링을 시작하는 데 필요한 모든 것을 단계별로 안내합니다.
1. 환경 변수 설정
( ingest - license
이라고도 함)을 가져와서 환경 변수로 설정합니다: NEW_RELIC_INSERT_KEY
. 자세한 내용과 지침을 보려면 여기를 클릭하세요 . 뉴렐릭 EU 지역에 데이터를 보고하고 있나요? 자세한 지침을 보려면 여기를 클릭하세요.
2. 패키지 가져오기
from ml_performance_monitoring.monitor import MLPerformanceMonitoring
3. 모델 모니터 생성
metadata = {"environment": "notebook"}model_version = "1.0"features_columns, labels_columns = ( ["feature_1", "feature_2", "feature_3", "feature_4"], ["target"],)
ml_monitor = MLPerformanceMonitoring( insert_key=None, # set the environment variable NEW_RELIC_INSERT_KEY or send your insert key here model_name="My stunning model", metadata=metadata, features_columns=features_columns, labels_columns=labels_columns, label_type="numeric", model_version=model_version)
4. 모델 실행
y = my_model.predict(X)
5. 기록
ml_performence_monitor_model.record_inference_data(X, y)
6. 모니터링 및 경고
완료! 귀하의 기능을 확인하려면 one.newrelic.com 으로 이동하여 데이터를 확인하세요.
예
사용해 볼 수 있도록 Google colab에서 이러한 노트북을 만들었습니다.
- 캘리포니아 주택 가격 데이터 세트에서 XGBoost 모델을 사용해 보십시오 . colab 에서 엽니다.
- New Relic MLOps를 사용하여 24시간 동안의 모델 추론 데이터를 시뮬레이션하는 방법을 시도해 보십시오 . Colab 에서 열기
EU 계정 사용자
EU 계정을 사용하는 경우 환경 변수가 설정되지 않은 경우 MLPerformanceMonitoring 호출에서 매개변수로 전송합니다.
EVENT_CLIENT_HOST and METRIC_CLIENT_HOST
미국 지역 계정(기본값) -
EVENT_CLIENT_HOST
: 통찰력-collector.newrelic.comMETRIC_CLIENT_HOST
: metric-api.newrelic.com
EU 지역 계정 -
EVENT_CLIENT_HOST
: 통찰력-수집기.eu01.nr-data.netMETRIC_CLIENT_HOST
: metric-api.eu.newrelic.com/metric/v1
MLPerformanceMonitoring 호출에서 매개변수로 보낼 수도 있습니다.