Хостинг sklearn - классификатор SVM на AWS Sagemaker

Question

На моем экземпляре Jupyter Notebook работает модель с очень базовым c SVM-классификатором

# Text lassifier - Algorithm - SVM
# fit the training dataset on the classifier
SVM = svm.SVC(C=1.0, kernel='linear', degree=3, gamma='auto',probability=True)
SVM.fit(Train_X_Tfidf,Train_Y)
# predict the labels on validation dataset
predictions_SVM = SVM.predict(Test_X_Tfidf)
# Use accuracy_score function to get the accuracy
print("SVM Accuracy Score -> ",accuracy_score(predictions_SVM, Test_Y)*100)

Сценарий использования: размещение модели в Sagemaker и создание конечной точки. Используйте конечную точку через Lambda для классификация текста

Я видел, что AWS имеет несколько постов по созданию конечной точки, например, https://docs.aws.amazon.com/sagemaker/latest/dg/ex1-train-model.html, но большая часть контента не применима к scikit-learn: SVM

Есть ли другой подход, на который я должен обратить внимание?

Answer 1

Если ваша модель достаточно мала, вы можете создать лямбда-функцию, которая загружает модель и делает прогнозы на основе входных данных, переданных от пользователя.