请指导我如何在Java/JVM应用程序（生产环境中）创建和执行机器学习模型/统计模型（回归、决策树、K均值聚类、朴素贝叶斯、评分卡/线性/逻辑回归等，以及GBM、GLM）。

我们有一个基于Java的ETL产品，可以进行大部分机器学习的数据准备步骤，如从JDBC、文件、HDFS、NoSQL等数据摄取，进行连接和聚合等（这些是特征工程所需的），现在我们想添加使用机器学习/统计建模的分析能力。

目前，我们使用JPMML-evaluator来评分用R和Python（以及Knime）创建的PMML格式的模型，但它需要三个独立且不相关的步骤：1- 在我们的Java/JVM应用程序中进行数据准备的第一步，并将抽样数据（训练和测试）数据保存到csv文件或数据库中；2- 在R和Python（以及Knime）中创建机器学习模型，并以PMML 4.2格式导出；3- 在我们的基于Java的应用程序中导入/部署PMML，并使用JPMML评估器在生产中执行它。

我确信这是一个机器学习中的常见问题，因为在生产环境中通常更倾向于使用Java而不是Python或R。您能建议在JVM应用程序中创建和执行基于Python/scikit的机器学习模型的更好方法吗？

您对在JVM应用程序中更无缝地实现步骤#2和#3有什么想法，以免影响性能和可用性：

1- 调用一个Java程序，该程序在内部调用Python scikit脚本（在后台）来创建PMML格式的模型，然后使用JPMML评估器。这将让用户感觉他是在一个单一的JVM应用程序中（更好的可用性）。我还不确定使用PMML的局限性和缺点，因为并非所有功能都在jpmml-sklearn中支持。2- 调用一个Java程序，该程序在内部调用Python脚本，在外部Python环境中进行模型创建和执行，并将模型和结果序列化到文件/csv或内存数据库（或缓存，如hazelcast），父Java应用程序将从中获取结果等。我研究后发现不能使用Jython来执行Sci-kit模型。3- 我可以使用Jep（在Java中嵌入Python）来在JVM中嵌入Cpython吗？是否有人尝试过用于sci-kit模型？

或者，我应该探索使用Mahout或weka – 这些基于Java的机器学习库来用于我的JVM应用程序。（我需要支持Windows和非Windows平台）

我也在探索H2Oai，这是一个基于Java的平台。是否有人尝试过它？

回答：

我已经为我的问题找到了一个不错的解决方案。我使用的是H2O.ai，这是一个用Java开发的用于可扩展机器学习的开源平台。它提供Java（Restful API）、Python、R和Scala的API。它拥有最佳的分类、回归、聚类等算法，并且可以无缝地与Apache Hadoop和Spark（sparkling-water）集成，如果有人有Spark集群的话。它还提供了一个基于多层前馈人工神经网络的深度学习算法。我使用的是Java绑定API/Rest API，有时也使用低级的H2o API（用于h2o 3节点集群管理）。

我发现了另一个基于Java的替代方案，称为Smile – 统计机器智能和学习引擎，它提供了回归、分类、聚类、关联规则挖掘、特征选择等功能。是否有人对这些或类似的基于Java的机器学习库有更多反馈？