关注天善智能，走数据之路感谢
请关注天善智能。 我们是一个专注于商业智能BI、大数据、数据分析领域的垂直社区，一站式学习、答疑、求职。
内容摘要：
1、iris数据集介绍
2、引入r模型的可能方案
3、引入H2o.ai框架和pojo/mojo模型
正式内容：
iris数据集介绍
Iris数据集是常用的分类实验数据集，由Fisher、1936收集整理。 Iris又称鸢尾花卉数据集，是一类多重变量分析的数据集。 数据集包括150个数据集，分为三类，每类包含50个数据，每类包含4个属性。 根据萼长、萼宽、花瓣长、花瓣宽4个属性可以预测鸢尾花卉属于Setosa、Versicolour、Virginica ) 3种中的哪一种。
数据集链接： http://存档. ics.UCI.edu/ml /数据集/IRIS
图像源：
359 EN .维基百科. org /维基/iris _ flower _数据集
r模型部署的可能方案
r语言模型导入相关的内容网络和书籍中介绍的很少，博主在摸索了一段时间后，将自己可能知道的方案总结如下，请参考。
部署方法所涉及的软件包和工具概要Mojo/PojoH2OH2O可以将训练过的model转换为plainoldjavaobjectPojo ) or a Model ObJect，optimized ) mojo )，成为Java环境从提供的h2o-genmodel.jar中生成合适的war包即可。 web APIpumber软件包Turnyourcodeintoawebapi https://www.r plumber.io是一种服务主机PMMLr2pmml软件包RPackageforconvertion
H2o.ai是一个开源的AI平台OPEN Source AI平台)，作为前端的机器学习建模平台，提供了r、python、h2oflow等。 支持的算法有：监督学习GLM、GBM、深度学习、分布式随机森林、朴素贝叶斯、堆叠式学习)、GLRM、k -。
H2o.ai模型的引入方法
训练分类模型GBM )=model输出为pojo形式) pojo转换为war包=jetty容器，执行war包=api服务
利用h2o R训练GBM分类器
# #负载包库H2O ) ) H2O环境初始化h2o.init ) fr-as.H2O ) iris ) my_model-H2O.gbm ) x=1:4，y=5，培训\
同时生成
可以在r的工作路径中找到。
H2O预测服务器的构筑
a .准备工作：
Java 1.6、rJava、jetty-runner环境的安装、Linux/Mac OSX系统
b.build the H2 opredictionservicebuilder :
克隆系统文件git克隆e https://github.com/h2oai/steam
打开终端窗口，位于steam/prediction-service-builder目录下
使用Run ./gradlew build构建服务
显示构建成功消息后，Run./gradlew jettyRunWar运行构建器服务
打开浏览器，输入localhost:55000后，将出现模型builder界面，并显示GBM _ model _ r _ XXX.Java/H2O-gen model.jar软件包上一个
运行构建器服务
打开新的终端窗口，进入~/steam/prediction-service-builder目录，然后浏览到Java-jar jetty-runner-9.3.9.m1.jar -。
在浏览器中输入http://localhost:55001以进入预测界面。
输入相关参数后，单击predict，即可在页面的右侧显示预测结果。 按类别分类的概率。
同时，也可以单击
按箭头按钮，弹出api的网址，传递参数，可以得到json格式的预测结果。
参考文档：
359 github.com/h2oai/steam /树/主/前服务-构建器
PS :
这次只叙述了mojo/pojo的方式，后期会讨论其他两种方式，敬请期待。
作者：天善社区数据取经团
原文链接： https://www.hellobi.com/u/61330