机器学习模型持久性选项

Question

对于坚持和重复使用经过训练的机器学习模型有什么建议/最佳实践吗？我正在用Python或R开发模型，那么这些模型必须在生产工作流中用于评分(在没有R的情况下)。例如，在R.中可以有一个logistic回归模型，现在需要对这个模型进行新的观察。评分引擎必须是快速和可伸缩的。我想过要跟著

1. PMML (语言)。将R中的大多数模型转换成pmml是很容易的。然而，我找不到一个有用的PMML模型评分引擎。例如，有奥古斯都(https://code.google.com/p/augustus/)，但它实现的模型只有3-4个。
2. 在Python中使用泡菜序列化模型，用Python编写使用者。

对正确的方法有什么想法或建议吗？

Answer 1

Scikit-学习是该领域的一个成熟库，它使用模型持续存在的泡菜。我想您正在编写自己的函数来训练模型，但是查看已建立的库可以告诉您最佳实践。

另一方面，JSON可以从多种语言中读取。这是它的主要优势。如果您为模型服务的计划来自另一种语言，而且您的模型是相当简单的Python对象，那么将它们序列化为JSON应该非常容易。

Answer 2

您可以在python中使用泡菜保存和加载模型，如下所示，

import pickle
s = pickle.dumps(clf)
clf2 = pickle.loads(s)

另一种方法是在内部携带大型numpy数组的对象上使用joblib，这是更有效的方法，就像安装的scikit学习估计器的情况一样。

from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')
clf = joblib.load('filename.pkl') 

然后，这个模型可以作为RESTful API部署到生产中。

Answer 3

你可以用信息包。它使用类似于JSON的格式来存储模型。速度快，占用的内存也少。味精包