设置预测分析服务的框架
项目描述
Palladium
钯金提供了一种轻松设置预测分析服务的手段，作为网络服务。它是一个用于开发现实世界 机器学习解决方案 的 可插拔框架。它为机器学习中常见的需求提供了通用实现，例如数据集加载、带有参数搜索的模型训练、网络服务和持久化功能，让您可以专注于开发准确的机器学习模型的核心任务。使用经过充分测试的核心框架，并在多个不同服务中使用，可以通过基于相同代码库和相同流程的不同服务的协调，在开发和维护过程中降低成本。钯金仅具有几毫秒的网络服务开销，这使得您可以 设置具有低响应时间的服务。
一个 配置文件 允许您方便地将现有组件与您开发的组件连接起来。例如，如果您想要开发一个模型，从CSV文件或SQL数据库加载数据集，并训练一个SVM分类器来预测数据中的一行，给定其他行，然后了解您模型的准确性，那么这就是钯金允许您做的事情， 无需编写一行代码。然而，也可以独立集成自己的解决方案。
钯金的大部分功能基于 scikit-learn 库。因此，在用钯金开发时，您经常会查看 scikit-learn 的文档。虽然钯金是用Python实现的，但它为其他语言提供了支持，并附带了如何 集成和公开R和Julia模型 的示例。
为了有效地部署基于钯金的服务，提供了一个用于 自动创建Docker镜像 的脚本。为了在集群中管理和监控多个钯金服务实例，可以使用 Mesosphere的Mesos框架Marathon进行部署，这也有助于通过在负载均衡器后面有可变数量的服务节点来实现可伸缩性。如何创建钯金的Docker镜像以及如何使用它们与Mesos / Marathon一起使用的示例包含在文档中。其他重要方面，尤其是在企业环境中设置生产性服务时特别相关，例如 身份验证、日志记录或监控，可以通过配置文件中的可插拔装饰器列表轻松集成，以跟踪服务调用和相应的权限。
欢迎每个人为钯金做出贡献。有关如何贡献的更多信息，请参阅 钯金文档 中的FAQ部分。
链接
GitHub上的源代码仓库：https://github.com/ottogroup/palladium
包括安装说明和教程的文档：http://palladium.readthedocs.org
维护者：Andreas Lattner
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解更多关于 安装包 的信息。