【機器學習PAI實踐九】如何通過機器學習實現雲端實時心臟狀況監測
背景
我們通過之前的案例已經為大家介紹瞭如何通過常規的體檢資料預測心臟病的發生,請見http://blog.csdn.net/buptgshengod/article/details/53609878。通過前文的案例我們可以生成一個演算法模型,通過向這個模型輸入使用者實時的體檢資料就會返回使用者患有心脹病的概率。那麼我們該如何搭建這套實時監測使用者健康情況的服務呢?PAI最新推出的線上預測服務幫您實現。目前,機器學習PAI已經支援實驗模型一鍵部署到雲端生成API,通過向這個API推送使用者的實時體檢資料,就可以實時拿到反饋結果,做到心臟狀況的雲端的線上監測。
下面看下如何實現這套線上預測服務。
1.選擇部署模型
我們以心臟病預測案例為例,具體實現可以參考http://blog.csdn.net/buptgshengod/article/details/53609878,實驗生成一個邏輯迴歸模型,是用線上預測可以在當前實驗點選“部署”按鈕,選擇“線上預測部署”。
2.配置模型部署資訊
進入模型配置頁:
選擇對應的專案空間,如果是第一次使用需要開通線上預測許可權,許可權申請是實時開通。下面詳細解釋instance的定義:
每個專案預設包含30個instance,可提工單擴容。刪除已部署模型會釋放當前模型的instance。
instance決定模型的QPS,每個instance為1核2G記憶體。
- 單個模型的instance部署限制是[1,15]。
3.模型管控
模型部署完成可以進入如下介面進行管理,新部署模型可以在“檢視模型詳情”進行檢視。
已經部署的模型可以在“已部署線上模型”裡進行管理,
模型管理介面,版本表示的是同一模型多次部署的區分,通過下圖紅框可以拿到模型所在的專案和模型名稱:
4.模型除錯
模型除錯頁面可以幫助使用者瞭解線上預測請求引數的書寫規範,進入模型除錯頁面。
- 請求地址:https://dtplus-cn-shanghai.data.aliyuncs.com/dataplus_261422/pai/prediction/projects/
project名稱/onlinemodels/ project名稱/onlinemodels/模型名稱 - 請求body為json串,以本文邏輯迴歸演算法為例,需要填寫每個特徵的資訊,特徵名字需要與模型表特徵名對應,常數列不用寫。dataValue表示預測集對應特徵的取值。dataType表示數值型別,dataType定義如下:
5.預測結果
現在我們已經配置好了服務,接下來只要編輯服務的body部分並且傳送請求即可獲得預測結果。我們假設使用者的實時性別、血壓、心跳波動等引數都是1,推送以下資料。
本案例body範例:
{
"inputs": [
{
"sex": {
"dataType": 40,
"dataValue": 1
},
"cp": {
"dataType": 40,
"dataValue": 1
},
"fbs": {
"dataType": 40,
"dataValue": 1
},
"restecg": {
"dataType": 40,
"dataValue": 1
},
"exang": {
"dataType": 40,
"dataValue": 1
},
"slop": {
"dataType": 40,
"dataValue": 1
},
"thal": {
"dataType": 40,
"dataValue": 1
},
"age": {
"dataType": 40,
"dataValue": 1
},
"trestbps": {
"dataType": 40,
"dataValue": 1
},
"chol": {
"dataType": 40,
"dataValue": 1
},
"thalach": {
"dataType": 40,
"dataValue": 1
}
}
]
}
可以獲得返回,返回結果顯示label為1(1表示使用者患病,0表示健康),並且患病概率為0.98649974…:
API呼叫方法:https://help.aliyun.com/document_detail/30245.html
體驗產品:阿里雲數加機器學習平臺
作者微信公眾號(與作者討論):
相關文章
- 【機器學習PAI實踐一】搭建心臟病預測案例機器學習AI
- 【機器學習PAI實踐四】如何實現金融風控機器學習AI
- 【機器學習PAI實踐六】金融貸款發放預測機器學習AI
- 【機器學習PAI實踐五】機器學習眼中的《人民的名義》機器學習AI
- 如何實現實時機器學習? - huyenchip機器學習
- 【機器學習PAI實踐三】霧霾成因分析機器學習AI
- 機器學習PAI全新功效——實時新聞熱點OnlineLearning實踐機器學習AI
- 【機器學習PAI實踐二】人口普查統計機器學習AI
- 【機器學習PAI實踐十二】機器學習實現雙十一購物清單的自動商品標籤歸類機器學習AI
- 機器學習專案---預測心臟病(一)機器學習
- 機器學習專案---預測心臟病(二)機器學習
- 【機器學習PAI實踐七】文字分析演算法實現新聞自動分類機器學習AI演算法
- 【機器學習PAI實踐十】深度學習Caffe框架實現影象分類的模型訓練機器學習AI深度學習框架模型
- 如何通過 JavaScript 實現機器學習和神經學網路?JavaScript機器學習
- 【機器學習PAI實踐十二】機器學習實現男女聲音識別分類(含語音特徵提取資料和程式碼)機器學習AI特徵
- 【機器學習PAI實踐八】用機器學習演算法評估學生考試成績機器學習AI演算法
- 機器學習實踐指南機器學習
- 機器學習PAI快速入門與業務實戰機器學習AI
- 【機器學習PAI實踐十一】機器學習PAI為你自動寫歌詞,媽媽再也不用擔心我的freestyle了(提供資料、程式碼機器學習AI
- 機器學習總結 (機器學習實踐筆記)機器學習筆記
- ML-機器學習實踐機器學習
- 評書:《美團機器學習實踐》機器學習
- 【機器學習PAI實踐十二】機器學習演算法基於信用卡消費記錄做信用評分機器學習AI演算法
- 【機器學習PAI實戰】—— 玩轉人工智慧之綜述機器學習AI人工智慧
- 機器學習(一):5分鐘理解機器學習並上手實踐機器學習
- 機器學習落地遊戲實踐簡析機器學習遊戲
- 《Python機器學習實踐》簡介Python機器學習
- 基於 KubeVela 的機器學習實踐機器學習
- Python機器學習實踐與Kaggle實戰Python機器學習
- 【機器學習PAI實戰】—— 玩轉人工智慧之美食推薦機器學習AI人工智慧
- 機器學習實踐:如何將Spark與Python結合?機器學習SparkPython
- Angular 如何通過 HTTP Interceptor 實現 HTTP 請求的超時監控AngularHTTP
- 用機器學習實現情感分析機器學習
- 《美團機器學習實踐》—— 讀後總結機器學習
- Yarn已過時!Kubeflow實現機器學習排程平臺才是未來Yarn機器學習
- 如果通過流資料實現實時分析?
- 機器學習PAI快速入門機器學習AI
- 觀遠AI實戰 | 機器學習系統的工程實踐AI機器學習