托管 sklearn - AWS Sagemaker 上的 SVM 分类器答案

【问题标题】：Hosting sklearn - SVM Classifier on AWS Sagemaker托管 sklearn - AWS Sagemaker 上的 SVM 分类器
【发布时间】：2020-02-20 00:57:59
【问题描述】：

我有一个模型在我的 jupyter notebook 实例上运行，带有非常基本的 SVM 分类器

# Text lassifier - Algorithm - SVM
# fit the training dataset on the classifier
SVM = svm.SVC(C=1.0, kernel='linear', degree=3, gamma='auto',probability=True)
SVM.fit(Train_X_Tfidf,Train_Y)
# predict the labels on validation dataset
predictions_SVM = SVM.predict(Test_X_Tfidf)
# Use accuracy_score function to get the accuracy
print("SVM Accuracy Score -> ",accuracy_score(predictions_SVM, Test_Y)*100)

用例：在 Sagemaker 上托管模型并创建端点。通过 Lambda 使用端点进行文本分类

我看到 AWS 关于创建端点的帖子很少，例如https://docs.aws.amazon.com/sagemaker/latest/dg/ex1-train-model.html 但大部分内容不适用于 scikit-learn : SVM

我应该考虑另一种方法吗？

【问题讨论】：

标签： amazon-web-services scikit-learn amazon-sagemaker

【解决方案1】：

如果您的模型足够小，您可以创建一个 lambda 函数来加载模型并根据用户传入的输入进行预测。

【讨论】：

谢谢，我最终在 lambda 上导入了一个训练有素的模型。