使用sklearn进行实时数据分析

Question

我有一个用python连接的健康患者数据的实时数据馈送。我想在这个数据源上运行一些sklearn算法，这样我就可以实时预测是否有人会生病。有没有一种标准的方法将实时数据连接到sklearn？我传统上有静态数据集，从来没有传入流，所以这对我来说是很新鲜的。如果有人有一些通用的规则/流程/工具，那就太好了。在

Answer 1

大多数算法训练速度慢，预测速度快。因此，最好利用训练数据进行离线训练，然后利用训练后的模型实时预测每一个新病例。在

显然，如果您获得更多/更好的数据，您可能会决定以后再培训一次。然而，在每一个病例之后再培训几乎没有什么好处。在

Answer 2

从静态数据集训练模型并用该模型预测输入数据的分类是可行的。用每一组新的病人数据对模型进行再训练就不那么多了。也打破了测试ML模型的训练/测试模式。在

训练后的模型可以保存到文件中，并导入用于实时预测的代码中。在

在pythonscikit-learn中，这是通过pickle包实现的。 R编程保存到rda对象。保存

耶。。。我第一次回答ML问题！在