使用 sklearn 的实时数据答案

【问题标题】：Real time data using sklearn使用 sklearn 的实时数据
【发布时间】：2017-01-27 16:49:45
【问题描述】：

我有一个使用 python 连接的健康患者数据的实时数据馈送。我想在这个数据源上运行一些 sklearn 算法，这样我就可以实时预测是否有人会生病。是否有一种将实时数据连接到 sklearn 的标准方式？传统上我有静态数据集，从来没有传入流，所以这对我来说很新。如果有人使用了一些通用规则/流程/工具，那就太好了。

【问题讨论】：

您可以考虑将健康患者数据库中的提要连接到您的机器，并使用生成器以给定的时间间隔将数据流式传输。
@not_a_robot 谢谢你，我会调查这些。
相关：Strategies to scale computationally: bigger data.

标签： python machine-learning scikit-learn real-time

【解决方案1】：

对于大多数算法，训练速度很慢，而预测速度很快。因此最好使用训练数据进行离线训练；然后使用训练好的模型实时预测每个新案例。

显然，如果您获得更多/更好的数据，您可能会决定稍后再次训练。但是，在每个案例之后进行再培训几乎没有什么好处。

【讨论】：

【解决方案2】：

从静态数据集训练模型并使用模型预测传入数据的分类是可行的。用每组新的患者数据重新训练模型并不多。也打破了测试机器学习模型的训练/测试模式。

经过训练的模型可以保存到文件中，并在用于实时预测的代码中导入。

在 python scikit learn 中，这是通过 pickle 包实现的。 R 编程保存到 rda 对象。保存RDS

耶...我第一次回答机器学习问题！

【讨论】：