ForecastFlowをMatillionから使う-予測編

2020.10.12

エンジニアリング, データサイエンス

クラウドネイティブのETLツールMatillionを使って、データ加工からForecastFlowの予測までの処理を解説します
クラウドサービスはGCPを利用しております

モデルの作成

ForecastFlowでモデル作成と訓練を行ってください

Matillion Componentの作成

bashコンポーネントを作成します

ここには依存パッケージをインストールするコードを書きます

# pipのアップグレード
python3 -m pip install --upgrade pip --user
# pandas, forecastflow, gcs sdkをインストール
python3 -m pip install pandas --user
python3 -m pip install forecastflow --user
python3 -m pip install google-cloud-storage --user

次にpythonコンポーネントを作成します

ここには推論APIのスクリプトとGCSへのデータ入出力スクリプトを書きます
推論APIスクリプトの取得については下記ページの”スクリプトの用意”を参考してください

ForecastFlow を Tableau Prep から使う方法 – 予測編

先に推論スクリプトをForecastFlowからコピペします
email, password, project_id, model_idは適宜編集してください

# 推論スクリプト
# Read the blog (Japanese) to figure out how to use this script.
# https://gri-blog.hatenablog.com/entry/2019/12/09/162019
import forecastflow
from forecastflow.tabpy_support import make_prediction_schema
import datetime

# ============================================================================
# [Required] Fill your ForecastFlow parameters
email = "email"
password = "password"
project_id = "project_id"
model_id = "model_id"
# ============================================================================

# ============================================================================
# [Optional] Change display names
data_name = "Test Stock" + str(datetime.datetime.now())
prediction_name = "Stock Prediction " + str(datetime.datetime.now())
# ============================================================================


user = forecastflow.User(email, password)
get_output_schema = make_prediction_schema(user, project_id, model_id)

def ff_predict(input_data):
    project = user.get_project(project_id)
    model = project.get_model(model_id)
    prediction_data = project.create_data_source(
        input_data,
        data_name,
        forecastflow.DataSourceLabel.PREDICTION
    )
    prediction = model.create_prediction(
        prediction_data,
        prediction_name
    )
    result = prediction.get_result()
    return result

続けてデータ入出力のコードを推論スクリプトの下に書き加えます
入力先のバケットと出力先のバケットをMatillionの変数に登録しておけばコピペするだけで他のモデルにも使えるので便利です

コードはこちら

# GCS(Google Cloud Storage)連携用
# 推論スクリプトの下部
import pandas as pd
import io
# Imports the Google Cloud client library
from google.cloud import storage


def download_blob(bucket_name, source_blob_name):
    # Instantiates a client
    storage_client = storage.Client()

    bucket = storage_client.bucket(bucket_name)
    blob = bucket.blob(source_blob_name)
    stream = blob.download_as_string()
    
    return stream


def upload_to_storage(dataframe):
  # Instantiates a client
  storage_client = storage.Client()

  bucket = storage_client.get_bucket(BucketNameTo)

  # save file
  time_now = datetime.datetime.now()
  time_formatted = datetime.datetime.strftime(time_now, "%Y%m%d_%H%M%S")
  blob = bucket.blob(f"Result-{time_formatted}.csv")
  
  blob.upload_from_string(dataframe.to_csv(index=False), content_type='application/octet-stream')


# get data from gcs
stream = download_blob(BucketNameFrom, PredictionFileName)
df = pd.read_csv(io.StringIO(stream.decode("utf-8")))

# predict
result = ff_predict(df) # dataframe

# upload to gcs
upload_to_storage(result)

コンポーネント作成したらフローを作成して実行します