Platform For AI：離線批量預測

在開發環境進行批量預測

Designer中提供了多種預測組件，分別對應不同的演算法和情境，拖入畫布中可直接使用。

• 對於在左側組件列表中成對出現的訓練和預測組件（例如FM演算法組件），訓練完成後直接使用對應的預測組件進行資料的批量預測。

• 對於沒有獨立預測組件的演算法，訓練完成後可以使用通用的預測組件進行資料的批量預測。

  重要

  通用的預測組件可接收的模型格式為OfflineModel，而不是PMML。

• 對於已有模型，可以使用組件匯入模型和預測資料後，在組件下遊串連預測組件進行預測和部署。

離線預測工作流程部署周期性調度

離線預測工作流程測試通過後，您可以將預測工作流程提交到DataWorks進行周期性調度。

1. 將離線訓練得到的模型同步至生產環境。

   如果您的DataWorks工作空間是標準模式，由於開發環境和生產環境的MaxCompute資料相互隔離，將預測工作流程配置周期性調度任務前，需要先將離線訓練得到的模型同步至生產環境。

   • 使用通用模型匯出組件和匯入MaxCompute離線模型組件（推薦）

     使用通用模型匯出組件將訓練得到的OfflineModel格式模型匯出至OSS中，然後在周期性啟動並執行預測工作流程中，在實際執行時使用匯入MaxCompute離線模型組件從OSS中匯入所需模型。

   • 使用複製MaxCompute離線模型組件和讀MaxCompute離線模型組件

     說明

     複製操作需要寫入生產環境的MaxCompute儲存，因此只有工作空間管理員或生產帳號才能執行，詳情請參見許可權說明。

     使用複製MaxCompute離線模型組件將訓練得到的OfflineModel格式模型直接複製到生產環境，然後在周期性啟動並執行預測工作流程中，使用讀MaxCompute離線模型組件來讀取生產環境的模型。

2. 使用DataWorks離線調度Designer工作流程。

相關文檔

離線預測結果符合預期後，如果您需要將模型部署為EAS線上服務，可以通過單模型部署線上服務，或將離線資料處理pipeline打包成一個pipeline模型，通過Pipeline部署線上服務。