如何将机器学习算法连接到数据库

我已经用Python创建了一个通过REST API提供服务的机器学习算法,并希望将其部署在Google Cloud / Amazon EC2上以进行实时预测。在此之前,我想为模型进出的每个请求/预测创建一个“日志”——这对我来说似乎是一个好习惯,也可能有助于创建唯一的预测标识符。只需在数据库中存储一个简单的1或0,并附带日期时间戳和唯一ID即可。

我应该如何将这些数据发送到数据库而不影响模型的运行时间呢?在API中使用INSERT INTO语句?还是创建一个完全独立的API?

非常感谢您的帮助!


回答:

这取决于结果的延迟。如果您希望数据立即持久化到数据库中,那么在接收到请求时就必须立即创建一个API。由于这些本质上是日志文件,我的建议是本地存储日志,并在一天内一次性插入日志,以减少长时间的网络拥堵。如果您现有的API已经连接到数据库,那么我认为没有必要为一个简单的post调用创建一个全新的API。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注