С моделью scikit Learn Watson Machine Learning ожидает объект pipeline
вместо простого объекта модели.Это сделано для того, чтобы вы также развернули логику преобразования данных и предварительной обработки в одной и той же конечной точке.Например, попробуйте изменить код на:
scaler = preprocessing.StandardScaler()
clf = svm.SVC(kernel='rbf')
pipeline = Pipeline([('scaler', scaler), ('svc', clf)])
model = pipeline.fit(train_data, train_labels)
. Затем вы сможете развернуть модель, выполнив следующие документы: http://wml -api-pyclient.mybluemix.net / # deployments
С вашего ноутбука в Watson Studio вы можете просто
from watson_machine_learning_client import WatsonMachineLearningAPIClient
wml_credentials = {
"url": "https://ibm-watson-ml.mybluemix.net",
"username": "*****",
"password": "*****",
"instance_id": "*****"
}
client = WatsonMachineLearningAPIClient(wml_credentials)
, а затем использовать клиент для развертывания модели после сохранения модели сначала в хранилище .
Вы можете увидеть, как сделать все это в этом учебном пособии: https://dataplatform.cloud.ibm.com/exchange/public/entry/view/168e65a9e8d2e6174a4e2e2765aa4df1 от сообщества