假设我已经有一个 scikit-learn 模型，并且我想将其保存到我的 Watson 机器学习中，并使用 Python 客户端进行部署。

Python 客户端文档：http://wml-api-pyclient.mybluemix.net

我有如下的代码：

clf = svm.SVC(kernel='rbf')clf.fit(train_data, train_labels)# 评估你的模型.predicted = clf.predict(test_data)

我想做的就是将这个模型部署为一个可以通过 REST API 访问的 Web 服务。

我在 Watson 机器学习文档中读到：https://dataplatform.cloud.ibm.com/docs/content/analyze-data/wml-ai.html?audience=wdp&context=analytics

但我在部署模型时遇到了麻烦。

回答：

你也可以将其部署为一个 Python 函数。你需要做的就是将所有功能封装在一个可部署的函数中（了解 Python 闭包）。

使用凭证的方法与这种方法相同。

• 步骤 1：定义函数
• 步骤 2：将函数存储在仓库中

之后，你可以通过两种方式部署和访问它

1. 使用 Python 客户端
2. 使用 REST API

这在这个帖子中有详细的解释