模型部署

模型部署是指將預測模型在新數據上進行應用。建立模型通常不是項目的結束。即使建模的目的是為了增強對數據的了解，所獲得的知識也需要以一種客戶可以使用的方式進行組織和呈現。根據需求，部署階段可以像生成報告一樣簡單，也可以像實施可重複的數據科學過程一樣複雜。在很多情況下，將由客戶而不是數據分析員來執行部署步驟。例如，信用卡公司可能想要部署經過訓練的模型或一組模型（例如，神經網路，元學習者）以快速識別具有欺詐概率的交易。但是，即使分析人員不執行部署工作，客戶也必須先了解需要執行哪些操作才能真正使用創建的模型。

總結一下實際生產中遇到的模型保存格式及部署方式：

PMML -- JPMML/openscoring

TFserving（多模型/單模型多個版本/GPU）-- tensorflow

Java -- tensorflow

POJO/MOJO -- H2OAI

H5/JSON -- Keras/Deeplearning4J

sparkMLlib -- predictionIO

資料庫和SQL腳本（TSQL，PL-SQL）