- 1、本文档共35页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
r模型部署实战
周震宇
2018/05/27
1 / 35
平台介绍
操作系统: Windows10
R版本信息:
version
## _
## platform x86_64-w64-mingw32
## arch x86_64
## os mingw32
## system x86_64, mingw32
## status
## major 3
## minor 5.0
## year 2018
## month 04
## day 23
## svn rev 74626
## language R
## version.string R version 3.5.0 (2018-04-23)
## nickname Joy in Playing
2 / 35
今天讲什么
引入模型部署
模型部署的定义;为什么说模型部署在数据科学项目中很重要;一般的模型部署的手
段 。
场景实例
今天用来实践的情景介绍;所用数据与模型。
R包实践
opencpu、fiery 、plumbeR 的介绍,以及每个包处理实现场景实例的手段。
3 / 35
引入模型部署
4 / 35
5 / 35
什么是模型部署
模型部署是将一个调试好的模型运转在生产或者类生产环境中的操作。
它位于数据科学项目生命周期图的终点,是数据分析团队实现一个可用模型的最终一
环。模型部署的价值体现在两点:
赋予数据科学模型处理实时流数据 的能力。
在实际应用场景中完成模型效果与性能的反馈 ,为模型调整提供依据,实现建模
开发流程的闭环。
6 / 35
模型部署的手段[1] :
在线网站
业务线应用程序(Line-of-business applications)
移动终端
云
……
流数据处理方式
依据数据量的大小,实际业务需要等等,处理流数据的基本方式有:
实时处理
批量处理
本文主要讨论如何在R 中借助云/web服务器 的方式来部署上线模型。
[1] 可参考R官网的task view与microsoft文档
7 / 35
统计建模线上与线下的对比
训练一个可用的模型,线上线下环境缺一不可
线下环境 线上环境
离线单机环境
文档评论(0)