MLflow结合CatBoost启用autolog后无参数指标记录问题

• 自动日志不生效的核心原因是调用了错误的autolog接口：你当前代码启用的是mlflow.sklearn.autolog()，该钩子仅对scikit-learn原生估算器、以及被sklearn autolog显式适配的第三方sklearn API模型生效，原生CatBoost模型不在其捕获范围内，无法触发参数、指标、模型产物的自动记录逻辑。注意：不同框架的autolog接口互相独立，不存在跨框架通用捕获能力。
• 若修正接口后仍存在记录缺失，需检查Databricks Runtime ML版本：低于11.0的ML运行时自带的MLflow版本对CatBoost的迭代指标、自定义评估指标适配存在已知兼容问题，会出现部分字段漏记。

• 替换autolog调用入口，使用MLflow为CatBoost提供的专属自动日志接口，原有建模逻辑无需调整：

import mlflow
import catboost

# 启用CatBoost专属autolog
mlflow.catboost.autolog()

model_for_analytics = catboost.CatBoostRegressor(**cb_params)
model_for_analytics.fit(x_train, y_train, **cb_fit_params)

• 若你的建模流程同时包含sklearn预处理、流水线组件，可同时启用两个框架的autolog，二者无逻辑冲突：

mlflow.sklearn.autolog()
mlflow.catboost.autolog()

• 若集群配置了全局MLflow默认策略导致部分内容未记录，可在调用autolog时显式声明需要记录的字段：

mlflow.catboost.autolog(
    log_models=True,
    log_input_examples=True,
    log_model_signatures=True,
    disable=False
)

注：Databricks环境下无需手动配置MLflow Tracking地址，平台会自动将日志关联到当前任务/notebook绑定的实验，运行完成后直接在对应实验的运行记录中即可查看所有自动捕获的参数、训练指标、模型产物。

内容的提问来源于stack exchange，提问作者Gaddy