基于火花流和机器学习的在线数据实时预测
基于火花流和机器学习的在线数据实时预测
提问于 2017-07-30 01:54:22
如何设计实时事务数据的体系结构，以便将其归类为欺诈？
利用Scala和星火MLLib的历史数据开发、训练和测试随机森林分类器ML模型，并进行持久化处理。
实时事务数据是利用Apache从一个主题中获取数据，并通过分类器ML模型处理并写入另一个主题进行预测。
我关心的是:我如何提供和获得预测的当前事务数据收到从卡夫卡主题使用上述ML模式？
使用经过训练和测试的ML模型获得预测的在线当前单事务数据的最佳实践是什么？
欢迎任何设计建议。
回答 1
Stack Overflow用户
发布于 2017-08-01 20:36:53
您可以在培训后保存模型，并在实时api中使用它进行预测。例如，对于classifier/predict.html，另一种解决方案可以是使用起泡水和使用POJO：https://github.com/h2oai/sparkling-water/tree/master/examples#step-by-step-through-weather-data-example。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/45395637
复制相关文章
相似问题
腾讯云开发者
