创建并部署评分模型以预测心率衰竭

时间:2019-03-04 18:37:02 阅读:2次
摘要
机器学习分散在众多领域,其中一个最有趣的领域是医疗保健。此代码模式使用IBM Watson Studio上的Jupyter Notebook构建预测模型,以演示潜在的医疗保健用例。此预测模型在Watson的机器学习服务中部署到生产中,并由在IBM Cloud中的Cloud Foundry Runtime上运行的自定义Node.js应用程序调用。
描述
您是一位忙碌的开发人员或数据科学家,他们希望为用户提供最快的数据洞察途径,但这需要在许多技术领域拥有深厚的专业知识。这个端到端的示例将向您介绍用于以下方面的众多技术:
获取,清理和探索数据
构建预测机器学习模型
作出预测
托管模型以供消费
从Node.js应用程序调用托管模型
在此过程中,您将了解IBM的Watson机器学习服务,用于在IBM的云上托管您经过培训的模型,以及IBM Watson Studio,这是一个面向数据科学团队的基于云的IDE;这些工具汇集了许多为数据科学和机器学习而构建的开源技术。
在此代码模式中,您将使用IBM Watson Studio上的Jupyter Notebook来构建一个演示潜在医疗保健用例的预测模型。虽然这仅用于演示目的,但您将看到如何在由医疗保健指标组成的数据集上使用Watson Machine Learning来创建心力衰竭风险的预测模型。创建此模型后,可以对输入的输入进行评分,以形成对个案的预测。请注意,此应用程序仅用于说明和说明目的,并不构成已通过监管审核的产品。
完成此代码模式后,您将了解如何:
在Jupyter Notebook中构建预测模型
将模型部署到IBM Watson Machine Learning服务
通过API或Node.js应用程序访问机器学习模型

开发人员创建IBM Watson Studio工作区。
IBM Watson Studio依赖于Apache Spark服务。
IBM Watson Studio使用云对象存储来管理您的数据。
该实验室建立在Jupyter笔记本上,开发人员将在此处导入数据,训练和评估他们的模型。
导入心力衰竭数据。
使用IBM的Watson机器学习服务将训练有素的模型部署到生产中。
Node.js Web应用程序部署在IBM Cloud上并调用预测模型。
用户访问Web应用程序,输入其信息,预测模型返回响应。
说明
在README.md中找到此模式的详细步骤。这些步骤将告诉您如何:
部署测试应用程序
创建Watson机器学习服务的实例
创建数据科学体验服务的实例
在IBM Data Science Experience中创建项目并将其绑定到您的Watson Machine Learning服务实例
保存您的Watson机器学习服务的凭据
在IBM Data Science Experience中创建笔记本
在IBM Data Science Experience中运行笔记本
将已保存的预测模型部署为评分服务
创建并部署评分模型以预测心率衰竭所属专题:心率专题 衰竭专题 《创建并部署评分模型以预测心率衰竭》链接:http://www.zhouchuanxiong.net/694

创建并部署评分模型以预测心率衰竭相关文章