托管 sklearn - AWS Sagemaker 上的 SVM 分類器

Question

我有一個模型在我的 jupyter notebook 實例上運行，它帶有非常基本的 SVM 分類器

# 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)

用例：在 Sagemaker 上托管模型並創建端點。通過 Lambda 使用端點進行文本分類

我看到 AWS 關於創建端點的帖子很少，例如https://docs.aws.amazon.com/sagemaker/latest/dg/ex1-train-model.html但大部分內容不適用於 scikit-learn ：SVM

我應該考慮另一種方法嗎？

Answer 1

如果您的模型足夠小，您可以創建一個 lambda 函數來加載模型並根據用戶傳入的輸入進行預測。