【机器学习PAI实践九】如何通过机器学习实现云端实时心脏状况监测
背景
我們通過之前的案例已經為大家介紹了如何通過常規的體檢數據預測心臟病的發生，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算法模型，通過向這個模型輸入用戶實時的體檢數據就會返回用戶患有心脹病的概率。那么我們該如何搭建這套實時監測用戶健康情況的服務呢？PAI最新推出的在線預測服務幫您實現。目前，機器學習PAI已經支持實驗模型一鍵部署到云端生成API，通過向這個API推送用戶的實時體檢數據，就可以實時拿到反饋結果，做到心臟狀況的云端的在線監測。
下面看下如何實現這套在線預測服務。
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，實驗生成一個邏輯回歸模型，是用在線預測可以在當前實驗點擊“部署”按鈕，選擇“在線預測部署”。
2.配置模型部署信息
進入模型配置頁：
選擇對應的項目空間，如果是第一次使用需要開通在線預測權限，權限申請是實時開通。下面詳細解釋instance的定義：
每個項目默認包含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內存。
- 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界面進行管理，新部署模型可以在“查看模型詳情”進行查看。
已經部署的模型可以在“已部署在線模型”里進行管理，
模型管理界面，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項目和模型名稱：
4.模型調試
模型調試頁面可以幫助用戶了解在線預測請求參數的書寫規范，進入模型調試頁面。
- 請求地址：https://dtplus-cn-shanghai.data.aliyuncs.com/dataplus_261422/pai/prediction/projects/project名稱/onlinemodels/模型名稱
- 請求body為json串，以本文邏輯回歸算法為例，需要填寫每個特征的信息，特征名字需要與模型表特征名對應，常數列不用寫。dataValue表示預測集對應特征的取值。dataType表示數值類型，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部分并且發送請求即可獲得預測結果。我們假設用戶的實時性別、血壓、心跳波動等參數都是1，推送以下數據。
本案例body范例：
可以獲得返回，返回結果顯示label為1（1表示用戶患病，0表示健康），并且患病概率為0.98649974…：
API調用方法：https://help.aliyun.com/document_detail/30245.html
體驗產品：阿里云數加機器學習平臺
作者微信公眾號(與作者討論)：
總結
以上是生活随笔為你收集整理的【机器学习PAI实践九】如何通过机器学习实现云端实时心脏状况监测的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【机器学习PAI实践八】用机器学习算法评
- 下一篇： 【机器学习PAI实践十】深度学习Caff