添加 Gabo 从 Watson 工作室的角度回答的内容,并回答 IBM Watson Machine Learning 的部署部分。
- 您需要做的是首先使用 pmml 转换模型
前任。在 Watson Studio 上的 Rstudio 或 Watson Studio 的 R Notebook 中运行以下代码。
install.packages("nnet")
library(nnet)
ird <- data.frame(rbind(iris3[,,1], iris3[,,2], iris3[,,3]),
species = factor(c(rep("s",50), rep("c", 50), rep("v", 50))))
samp <- c(sample(1:50,25), sample(51:100,25), sample(101:150,25))
ir.nn2 <- nnet(species ~ ., data = ird, subset = samp, size = 2, rang = 0.1,
decay = 5e-4, maxit = 200)
install.packages("pmml")
library(pmml)
pmmlmodel <- pmml(ir.nn2)
saveXML(pmmlmodel,file = "IrisNet.xml")
saveXML() 将生成/写入 IrisNet.xml 文件到 Rstudio 或 R Notebook 的本地空间,您需要将此文件下载到本地计算机。
现在要将其部署到 Watson 机器学习服务,请执行以下操作:-
现在单击 Watson Studio Project 中的 Add to Project -> Watson Machine Learning Model ,命名您的模型,然后选择您要使用的 WML 服务
从文件选项卡中选择
拖放xml文件
- 单击创建,它将保存到您选择的 WML 服务中。
- 现在您可以使用部署选项卡将此模型部署到 WML 服务
- 只需命名您的部署并单击保存
- 现在您已经部署了模型,您可以通过 REST API 开始使用。