search
尋找貓咪~QQ 地點 桃園市桃園區 Taoyuan , Taoyuan

以鶯尾花數據集為例,探討R模型部署之道

感謝關注天善智能,走好數據之路↑↑↑

歡迎關注天善智能,我們是專註於商業智能BI,大數據,數據分析領域的垂直社區,學習,問答、求職一站式搞定!

內容概要:

1、iris數據集簡介

2、R模型部署的可能方案

3、H2o.ai框架及pojo/mojo模型部署

正式內容:

iris data set簡介

Iris數據集是常用的分類實驗數據集,由Fisher, 1936收集整理。Iris也稱鳶尾花卉數據集,是一類多重變數分析的數據集。數據集包含150個數據集,分為3類,每類50個數據,每個數據包含4個屬性。可通過花萼長度,花萼寬度,花瓣長度,花瓣寬度4個屬性預測鳶尾花卉屬於(Setosa,Versicolour,Virginica)三個種類中的哪一類。

數據集鏈接:http://archive.ics.uci.edu/ml/datasets/Iris

圖片來源:

https://en.wikipedia.org/wiki/Iris_flower_data_set

R模型部署的可能方案

R語言模型部署的相關內容網路或者書籍上介紹的比較少,博主在一段時間摸索后對自己了解的可能方案進行如下歸納,僅供參考:

H2o.ai框架及pojo/mojo模型部署

H2o.ai為開源的AI平台(Open Source AI Platform),提供了R、python、h2oflow等作為前端的機器學習建模平台,支持的演算法有:監督學習(GLM、GBM、Deep Learning、Distributed Random Forest、Naive Bayes、Stacked Ensembles),非監督學習(GLRM、K-Means、PCA)以及Word2vec模型。

H2o.ai模型的部署方式

訓練分類模型(GBM)=>model輸出為pojo格式 =>pojo轉換為war包 =>jetty容器運行war包 =>api服務

  • 使用h2o+R訓練GBM分類器

#載入包library(h2o)#h2o環境初始化h2o.initfr <- as.h2o(iris)my_model <- h2o.gbm(x=1:4,y=5,training_frame=fr)h2o.download_pojo(my_model,getwd)h2o.shutdown

模型保存為:

,同時生成

,在R的工作路徑下可以找到。

  • 構建H2O預測伺服器

a.準備工作:

Java 1.6、rJava、jetty-runner環境的安裝,Linux/ Mac OSX系統

b.build the H2O Prediction Service Builder:

  • 克隆steam文件git clone https://github.com/h2oai/steam

  • 打開一個terminal窗口,進到steam/prediction-service-builder目錄下

  • Run ./gradlew build 來構建服務

  • 出現BUILD SUCCESSFUL message之後,Run./gradlew jettyRunWar來運行builder service

  • 打開瀏覽器,輸入localhost:55000,出現模型builder界面,選擇 GBM_model_R_XXX.java/h2o-genmodel.jar包(上一步生成的文件),此時會生成一個war,保存(拷貝到~/steam/prediction-service-builder目錄下)以便下一步使用。

  • Run the Builder Service

新開一個一個terminal窗口,進到~/steam/prediction-service-builder目錄下,運行:java -jar jetty-runner-9.3.9.M1.jar --port 55001 ~/GBM_model_R_1500467395689_54.war

瀏覽器輸入http://localhost:55001,進入預測界面:

輸入相關參數,點擊predict,頁面右側就出現了預測結果:分屬於每一個類別的概率。

同時,還可以點擊

箭頭按鈕,彈出api網址,通過傳遞參數,即可得到json格式的預測結果:

參考文檔:

https://github.com/h2oai/steam/tree/master/prediction-service-builder

PS:

本次只對mojo/pojo的方式進行了闡述,後期會對其他兩種方式進行探討,敬請期待。

本文作者:天善社區 數據取經團



熱門推薦

本文由 yidianzixun 提供 原文連結

寵物協尋 相信 終究能找到回家的路
寫了7763篇文章,獲得2次喜歡
留言回覆
回覆
精彩推薦