在客户端 javascript 中使用/生产训练有素的机器学习模型？答案

【问题标题】：Use/productionize trained machine learning model in client-side javascript?在客户端 javascript 中使用/生产训练有素的机器学习模型？
【发布时间】：2017-07-15 21:38:10
【问题描述】：

所以这是我一直在胡思乱想的一个有点疯狂的想法。我正在考虑为某些 Web 内容（一个专门的子集）构建一个分类器，然后以 chrome 扩展的形式将其提供给用户。（所以：用户进入网页，点击 chrome 扩展上的按钮，扩展应用预训练模型生成预测，将结果呈现给用户。）

但我很便宜，我不想运行服务器来接收来自 chrome 扩展的数据、生成预测并将其发送回用户。我突然想到：为什么不找到一些方法来序列化训练好的模型或其他东西，并在客户端完成这一切。

因此，如果我最终拟合了一个非常简单的模型，例如逻辑回归之类的，那么将很容易转移到客户端。最终，经过训练的逻辑回归可以表达为将特征映射到预测的普通数学函数，就像一行代码。我猜这对于一些更高级的模型也是如此（线性 SVM）。在这种情况下，chrome 扩展可以完成所有的数据清理等工作，然后生成预测只是计算点积的问题。但如果我最终使用随机森林之类的东西，情况就不一样了。

可悲的是，似乎没有 PMML 库或类似的 javascript 库。

所以，我求助于互联网的智慧。是否有任何其他方法可以生产可在客户端 javascript 上使用的 ML 模型？或者这些选项真的只是（1）运行服务器，（2）为 JS 编写一个 PMML 库，（3）没有第三个选项？

谢谢！

【问题讨论】：

标签： javascript google-chrome-extension machine-learning pmml dev-to-production

【解决方案1】：

您的模型是否已经以 PMML 数据格式提供？

如果是，那么：

将 PMML 转换为 Java 源代码。这很容易使用 JPMML 库。
将 Java 源代码转换为 JavaScript 源代码。使用Google Web Toolkit 更容易。

因此，您将拥有一个独立的 JavaScript 模型对象，该对象公开模型模式查询和评分 API，类似于 JPMML-Evaluator 库。

【讨论】：

哦，这很聪明。谢谢你。在我训练它们之后，我当然可以让我的模型使用 PMML，我很确定 R/sklearn，无论我最终使用哪种格式，都可以很好地适应这种格式。
这是一个非常有趣/鼓舞人心的话题。在第 1 步中，翻译后的 Java 源代码将依赖 JPMML-Evaluator API 来完成繁重的工作（例如，矢量点积、各种内置函数和规范化）。这在第 2 步中没有问题，因为 JPMML-Model 和 JPMML-Evaluator 库都基于标准 JDK API（即没有花哨的 3rd 方依赖项），这对 GWT 非常友好。