使用机器学习预测心脏病

时间:2019-03-04 18:32:56 阅读:26次
摘要
免责声明:此笔记本仅用于说明和说明目的,并不构成经过监管审查的产品。它不是用作医疗应用。没有关于此应用程序输出准确性的表示,并且它没有保修。
在此代码模式中,我们使用匿名患者数据来预测治疗心脏病的最佳药物。本笔记本介绍了获取数据,构建模型,模型部署和评分的命令。
描述
在应用程序中使用机器学习可以产生令人印象深刻的结果,但是从模型培训阶段转移到生产应用程序是很多工作。虽然Apache Spark MLlib,scikit-learn和Xgboost等框架可以帮助减少模型构建工作负载,但IBM Watson Machine Learning是一种可以在几分钟内将这些模型投入生产的解决方案。通过利用Watson Machine Learning Web服务部署模型,您可以轻松地使用功能强大的REST API开始构建应用程序。
在这种代码模式中,我们使用机器学习分类算法来解决生产心脏药物的虚构生物医学公司的要求。该公司收集了一组患者的数据,他们都患有同样的疾病。在他们的治疗过程中,每位患者对五种药物中的一种作出反应。根据治疗记录,该公司希望为患者预测最佳药物。该模式显示了演示如何使用该数据和Spark MLlib包来训练预测最佳药物的模型的确切步骤。
接下来,将训练好的模型发布到IBM Cloud上的Watson Machine Learning存储库,然后将其部署为Web服务。新患者的记录在经过验证的请求中发送到评分终点,并且模型在响应中返回药物推荐。
完成代码模式后,您将了解如何:
准备数据,创建Apache Spark机器学习管道,并训练模型
在Watson Machine Learning存储库中发布示例模型
部署在线评分模型(作为Web服务)
使用样本评分记录和评分端点对模型进行评分

使用Jupyter Notebook,Python 3.5和Spark在Watson Studio中创建项目。
使用Db2 Warehouse on Cloud加载和读取数据。
使用PySpark创建管道,训练模型,并使用Watson Machine Learning服务存储模型。
说明
在自述文件中找到此模式的详细步骤。这些步骤将告诉您如何:
克隆存储库。
在IBM Cloud中创建Watson服务。
保存Watson Machine Learning服务的凭据。
在Cloud服务上创建Db2 Warehouse并加载数据。
在IBM Watson Studio中创建一个笔记本。
在IBM Watson Studio中运行笔记本。
使用机器学习预测心脏病所属专题:心脏病 心脏 《使用机器学习预测心脏病》链接:http://www.zhouchuanxiong.net/632