一种可视化模型在线预测系统技术方案

本发明专利技术公开一种可视化模型在线预测系统，该系统包括：用户选择web input1和web output1作为web服务的输入点和输出点；管理进程接收在线部署请求；部署后，管理进程将产生若干子进程，每个子进程都是一个自定义组件预测进程；web input1接受api请求，执行用户自定义组件预测，输出数据给管理进程，管理进程将数据转发给下一子进程，以此往复；最后，web output1将用户自定义组件预测的标准输入数据在api进行返回。本发明专利技术不仅支持可视化进行模型在线部署预测；而且支持模型串联预测。

【技术实现步骤摘要】
一种可视化模型在线预测系统
本专利技术涉及模型预测
，尤其涉及一种可视化模型在线预测系统。
技术介绍
目前，传统的数据训练和模型预测流程如图1所示：1.数据读取，从一个离线数据源读取数据，用于后续的训练。2.数据清洗，读取的数据中可能有一部分不符合需要，在这里设置规则，不符合规则的数据会被去掉。3.数据拆分，将数据按比例拆分，分别用于训练和预测。4.特征抽取，将数据进行变换，以突出该模式具有代表性特征。5.GBDT分类，分类算法，输入为特征抽取后的数据，经过训练后输出为模型，模型可以用于预测。6.预测，输入为一个模型，还有其他外来数据，输出为预测结果。7.分类评估，使用GBDT分类算法产生的模型和拆分后的另一部分数据作为输入，进行评估运算。输出仍然是模型。如图2所示，算法开发者产生的模型需要通过在线部署的方式部署成为web服务，以API(ApplicationProgrammingInterface,应用程序编程接口)的方式提供服务。但是，在整个部署的过程中存在以下难点：1.需要根据算法开发者开发出来的模型和代码等实际情况选择不同的输入点和输出点。即图2中所示的webinput本文档来自技高网...

【技术保护点】
1.一种可视化模型在线预测系统，其特征在于，该系统包括：用户选择web input1和web output1作为web服务的输入点和输出点；管理进程接收在线部署请求；部署后，管理进程将产生若干子进程，每个子进程都是一个自定义组件预测进程；web input1接受api请求，执行用户自定义组件预测，输出数据给管理进程，管理进程将数据转发给下一子进程，以此往复；最后，web output1将用户自定义组件预测的标准输入数据在api返回。

【技术特征摘要】
1.一种可视化模型在线预测系统，其特征在于，该系统包括：用户选择webinput1和weboutput1作为web服务的输入点和输出点；管理进程接收在线部署请求；部署后，管理进程将产生若干子进程，每个子进程都是一个自定义组件预测进程；webinput1接受api请求，执行用户自定义组件预测，输出数据给管理进程，管理进程将数据转发给下一子进程，以此往复；最后，weboutput1将用户自定义组件预测的标准输入数据在api返回。2.根据权利要求1所述的可视化模型在线预测系统，其特征在于，所述用户自定义组件预测的实现具体包括：一、用户提供userpythonscript，利用userpythonscript加载算法开发者产生的模型到内存，然后根据stdin的标准输入数据进行预测，然后返回...

【专利技术属性】
技术研发人员：王峰，
申请(专利权)人：无锡雪浪数制科技有限公司，
类型：发明
国别省市：江苏,32