这是一个我一直在考虑的有点疯狂的想法。我在考虑为某些网络内容（一个专门的子集）构建一个分类器，然后以Chrome扩展的形式提供给用户。（所以：用户访问网页，点击Chrome扩展上的按钮，扩展程序应用预训练模型生成预测，并将结果呈现给用户。）
但我很节俭，不想运行一个服务器来接收来自Chrome扩展的数据，生成预测，并将其发送回给用户。我突然想到：为什么不找到某种方法来序列化训练好的模型或其他什么，直接在客户端完成所有操作呢？
所以，如果我最终拟合了一个非常简单的模型，比如逻辑回归或类似的东西，那么将其转移到客户端就很容易了。最终，训练好的逻辑回归模型只不过是将特征映射到预测的普通数学函数，就像一行代码一样。我猜这对一些更复杂的模型也是成立的（如线性SVM）。在这种情况下，Chrome扩展可以完成所有数据清理等工作，然后生成预测只是计算一个点积的问题。但如果我使用的是随机森林或类似的东西，情况就不是这样了。
遗憾的是，似乎没有针对JavaScript的PMML库或类似的东西。
所以，我求助于互联网的智慧。是否有其他方法可以在客户端JavaScript上部署机器学习模型？还是选项真的只有（1）运行服务器，（2）为JS编写PMML库，（3）没有第三种选择？
谢谢！
回答：
您的模型是否已经以PMML数据格式可用？
如果是，那么：
- 将PMML转换为Java源代码。这使用JPMML库很容易实现。
- 将Java源代码转换为JavaScript源代码。这使用Google Web Toolkit更加容易实现。
结果，您将拥有一个自包含的JavaScript模型对象，该对象暴露类似于JPMML-Evaluator库的模型模式查询和评分API。
