azure ml experiment return 与 webservice 不同的结果
azure ml experiment return different results than webservice
在两种情况下使用了相同的输入,但是 return 来自 python 模块的不同结果
这里是 python 脚本,return 网络服务的结果:
import pandas as pd
import sys
def get_segments(dataframe):
dataframe['segment']=dataframe['segment'].astype('str')
segments = dataframe.loc[~dataframe['segment'].duplicated()]['segment']
return segments
def azureml_main(dataframe1 = None, dataframe2 = None):
df = dataframe1
segments = get_segments(df)
segmentCount =segments.size
if (segmentCount > 0) :
res = pd.DataFrame(columns=['segmentId','recommendation'],index=[range(segmentCount)])
i=0
for seg in segments:
d= df.query('segment ==["{}"]'.format(seg)).sort(['count'],ascending=[0])
res['segmentId'][i]=seg
recommendation='['
for index, x in d.iterrows():
item=str(x['ItemId'])
recommendation = recommendation + item + ','
recommendation = recommendation[:-1] + ']'
res['recommendation'][i]= recommendation
i=i+1
else:
res = pd.DataFrame(columns=[seg,pdver],index=[range(segmentCount)])
return res,
在实验中它 returnd 实际的 itemIds,在网络服务中它 returns 一些数字
此代码的目的是按细分列对某些 table 进行透视以供推荐
在与 Microsoft 的产品团队讨论后。问题已解决。
产品团队首先对 Web 服务进行了更新,然后才对 ML-Studio 进行了更新,后者修复了 "Execute python script" 中的分类属性问题。
该问题出现在流程的早期阶段,与上面的 python 代码无关。
在两种情况下使用了相同的输入,但是 return 来自 python 模块的不同结果
这里是 python 脚本,return 网络服务的结果:
import pandas as pd
import sys
def get_segments(dataframe):
dataframe['segment']=dataframe['segment'].astype('str')
segments = dataframe.loc[~dataframe['segment'].duplicated()]['segment']
return segments
def azureml_main(dataframe1 = None, dataframe2 = None):
df = dataframe1
segments = get_segments(df)
segmentCount =segments.size
if (segmentCount > 0) :
res = pd.DataFrame(columns=['segmentId','recommendation'],index=[range(segmentCount)])
i=0
for seg in segments:
d= df.query('segment ==["{}"]'.format(seg)).sort(['count'],ascending=[0])
res['segmentId'][i]=seg
recommendation='['
for index, x in d.iterrows():
item=str(x['ItemId'])
recommendation = recommendation + item + ','
recommendation = recommendation[:-1] + ']'
res['recommendation'][i]= recommendation
i=i+1
else:
res = pd.DataFrame(columns=[seg,pdver],index=[range(segmentCount)])
return res,
在实验中它 returnd 实际的 itemIds,在网络服务中它 returns 一些数字
此代码的目的是按细分列对某些 table 进行透视以供推荐
在与 Microsoft 的产品团队讨论后。问题已解决。 产品团队首先对 Web 服务进行了更新,然后才对 ML-Studio 进行了更新,后者修复了 "Execute python script" 中的分类属性问题。 该问题出现在流程的早期阶段,与上面的 python 代码无关。