一种基于rapidminer的机器学习模型镜像快速构建发布方法与流程

[0001]
本发明涉及机器学习技术领域，具体涉及一种基于rapidminer的机器学习模型镜像快速构建发布方法。


背景技术：

[0002]
机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自 20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。
[0003]
rapidminer具有丰富数据挖掘分析和算法功能，常用于解决各种的商业关键问题，如营销响应率、客户细分、客户忠诚度及终身价值、资产维护、资源规划、预测性维修、质量管理、社交媒体监测和情感分析等典型商业案例。 但是现有技术中rapidminer无法已镜像的方式发布。


技术实现要素：

[0004]
本发明为了克服以上技术的不足，提供了一种对rapidminer进行封装后以镜像的方式发布的基于rapidminer的机器学习模型镜像快速构建发布方法。
[0005]
本发明克服其技术问题所采用的技术方案是：一种基于rapidminer的机器学习模型镜像快速构建发布方法，包括：a)使用rapidminer进行模型训练；b)下载训练完成的模型到指定位置；c)定义rapidminer服务化封装的调用接口，完成调用模型服务的restapi封装；d)将封装好的模型服务程序基于tomcat构建模型镜像。
[0006]
进一步的，步骤c)中使用通用调用代码设计标准模型服务调用接口，将模型与调用代码解耦。
[0007]
进一步的，步骤d)中将构建的模型镜像中添加标签及版本号，将构建的模型镜像推送至指定的镜像仓库。
[0008]
本发明的有益效果是：使用rapidminer进行可视化的机器学习构建，快速生成机器学习模型，在模型发布时，触发本专利涉及内容。模型发布后，自动下载模型，针对rapidminer生成模型的文件类型，以及模型调用的一般方法，使用通用调用代码，设计标准模型服务调用接口，将模型与调用代码解耦，基于基础镜像，实现模型的二次封装，对外提供模型服务调用接口，并对生成镜像自动生成标签以及版本号，将模型镜像推送至指定镜像仓库。
附图说明
[0009]
图1为本发明的方法流程图。
具体实施方式
[0010]
下面结合附图1对本发明做进一步说明。
[0011]
一种基于rapidminer的机器学习模型镜像快速构建发布方法，包括：a)使用rapidminer进行模型训练；b)下载训练完成的模型到指定位置；c)定义rapidminer服务化封装的调用接口，完成调用模型服务的restapi封装；d)将封装好的模型服务程序基于tomcat构建模型镜像。
[0012]
使用rapidminer进行可视化的机器学习构建，快速生成机器学习模型，在模型发布时，触发本专利涉及内容。模型发布后，自动下载模型，针对rapidminer生成模型的文件类型，以及模型调用的一般方法，使用通用调用代码，设计标准模型服务调用接口，将模型与调用代码解耦，基于基础镜像，实现模型的二次封装，对外提供模型服务调用接口，并对生成镜像自动生成标签以及版本号，将模型镜像推送至指定镜像仓库。
[0013]
进一步的，步骤c)中使用通用调用代码设计标准模型服务调用接口，将模型与调用代码解耦。
[0014]
进一步的，步骤d)中将构建的模型镜像中添加标签及版本号，将构建的模型镜像推送至指定的镜像仓库。
[0015]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。