文档

模型预测概述

更新时间:

本文为您介绍在Designer训练得到模型后,如何进行生产化部署以对新数据进行预测。

部署模型主要是为了使用模型来进行新数据的预测。根据新数据预测的时效要求,预测任务分为两类:在线预测和离线预测。对于这两种需求,在Designer中都提供了相应的操作流程支持。

  • 在线预测

    • 单模型部署在线服务

      Designer工作流运行成功后,您可以将训练获得的PMML、AlinkModel或XGBoost格式的模型文件,一键快速部署为EAS在线服务。每次只支持部署单个模型文件。您也可以手动导出训练获得的PMML模型文件,并跨平台部署为EAS在线服务。部分PS格式的模型,需要在模型导出处理后再跨平台手动部署为EAS在线服务。

    • Pipeline部署在线服务

      对于Alink类型的算法组件,Designer支持将一个包含数据预处理、特征工程、模型预测的离线数据处理Pipeline,打包成一个离线模型,并一键部署为EAS在线服务。

    • 在线模型服务定时自动更新

      将训练获得的模型部署为在线服务后,支持在Designer模型产出组件的下游接入更新EAS服务组件,来更新在线服务,并支持将工作流提交到DataWorks进行周期性调度,实现模型服务定时自动更新。

  • 离线预测

    在Designer中,将训练获得的模型和测试数据集接入预测组件进行批量预测。并支持将预测工作流提交到DataWorks进行周期性调度,实现定时自动预测,详情请参见离线批量预测