如何不修改MLflow源码扩展Recipes实现自定义孤立森林异常检测？

要在不修改MLflow源码的前提下扩展Recipes实现隔离森林异常检测，核心是让Python解释器能找到你的自定义Recipe模块，同时遵循MLflow的Recipe规范，具体步骤如下：

• 将自定义Recipe目录加入Python模块搜索路径
  MLflow默认从自身安装目录加载内置Recipe，因此需要把你的自定义isolation_forest目录所在的父路径添加到PYTHONPATH环境变量中：

  • Linux/macOS终端执行：

    export PYTHONPATH=/path/to/your/recipe_parent_dir:$PYTHONPATH
    

  • Windows终端执行：

    set PYTHONPATH=C:\path\to\your\recipe_parent_dir;%PYTHONPATH%
    

  或者在运行Recipe的Python脚本中动态注入：

  import sys
  sys.path.insert(0, "/path/to/your/recipe_parent_dir")
  

• 严格对齐MLflow Recipe的目录结构与类规范
  你的自定义Recipe目录必须遵循MLflow的层级结构：

  isolation_forest/
      v1/
          __init__.py
          recipe.yaml
          # 其他必要文件（如steps目录、utils等，参考原生分类/回归Recipe）
  

  其中v1/__init__.py必须导出继承自BaseRecipe的RecipeImpl类，并实现核心方法：

  from mlflow.recipes.base import BaseRecipe
  
  class RecipeImpl(BaseRecipe):
      def _get_steps(self):
          # 定义你的异常检测流程步骤，比如数据加载、预处理、模型训练、评估等
          return ["ingest", "preprocess", "train_isolation_forest", "evaluate_anomalies", "register_model"]
      
      def _get_config_schema(self):
          # 定义配置项的校验规则，参考原生Recipe实现
          from mlflow.recipes.utils.config import ConfigSchema
          return ConfigSchema(
              {
                  "data": {"path": str},
                  "model": {"n_estimators": int, "contamination": float},
                  # 其他必要配置项
              }
          )
  

• 指定自定义Recipe的模块路径运行
  运行时不再依赖MLflow内置的Recipe名称，而是直接指定自定义Recipe的完整模块路径：

  • 终端命令：

    mlflow recipes run --recipe mlflow.recipes.isolation_forest.v1 --profile local
    

  • Python代码调用：

    from mlflow.recipes import Recipe
    my_recipe = Recipe(recipe="mlflow.recipes.isolation_forest.v1", profile="local")
    my_recipe.run()
    

• 匹配配置文件格式
  确保你的recipe.yaml配置项与_get_config_schema定义的规则一致，参考MLflow原生Recipe的配置结构调整，比如：

  data:
    path: "./data/anomaly_dataset.csv"
  model:
    n_estimators: 100
    contamination: 0.05
  profile:
    env: local
  

内容的提问来源于stack exchange，提问作者Serdar Akyol