将分类转移到生产环境
moving classification to production environment
我正在设计分析系统的架构。我有一个在 scikit learn 中开发的分类集成模型。我想将它移到生产环境中，以便可以使用该模型对新传入的数据进行动态分类。理想情况下，系统应支持手动将 "model" 上传到生产系统。我对分析生产系统没有任何经验。任何建议都会很有帮助
我查看了Py2PMML，但并不支持所有模型。
我主要是在寻找增强树回归。
PS：我不是要代码或示例。方向刚刚好
目前文档中没有 official way to export scikit models to PMML. The recommended way is to use pickle or joblib.dump. Please refer to the model persistence 部分。这个想法是将模型保存到磁盘：
>>> from sklearn.externals import joblib
>>> joblib.dump(model, 'saved_model.pkl')
然后将其上传到您的生产服务器并加载：
>>> model = joblib.load('saved_model.pkl')
尝试拥有相似的环境很重要，保存在一个版本的 scikit-learn 中的模型可能无法在另一个版本中加载。
我正在设计分析系统的架构。我有一个在 scikit learn 中开发的分类集成模型。我想将它移到生产环境中，以便可以使用该模型对新传入的数据进行动态分类。理想情况下，系统应支持手动将 "model" 上传到生产系统。我对分析生产系统没有任何经验。任何建议都会很有帮助
我查看了Py2PMML，但并不支持所有模型。 我主要是在寻找增强树回归。 PS：我不是要代码或示例。方向刚刚好
目前文档中没有 official way to export scikit models to PMML. The recommended way is to use pickle or joblib.dump. Please refer to the model persistence 部分。这个想法是将模型保存到磁盘：
>>> from sklearn.externals import joblib
>>> joblib.dump(model, 'saved_model.pkl')
然后将其上传到您的生产服务器并加载：
>>> model = joblib.load('saved_model.pkl')
尝试拥有相似的环境很重要，保存在一个版本的 scikit-learn 中的模型可能无法在另一个版本中加载。