Setelah melatih model di Machine Learning Designer, Anda dapat menghasilkan prediksi pada data baru. Berdasarkan kebutuhan ketepatan waktu prediksi, Anda dapat memilih antara dua jenis layanan prediksi: prediksi real-time dan prediksi batch.
Prediksi Batch
Tambahkan model yang telah dilatih dan data uji ke komponen prediksi untuk mengimplementasikan prediksi batch menggunakan Machine Learning Designer. Selanjutnya, kirimkan pipeline ke DataWorks dan jadwalkan sebagai tugas periodik. Untuk informasi lebih lanjut, lihat Prediksi Batch.
Prediksi Real-time
Menyebarkan model sebagai layanan online
Anda dapat menyebarkan model sebagai layanan online di Elastic Algorithm Service (EAS) untuk mengimplementasikan prediksi real-time. Penyiaran satu klik tersedia untuk model Predictive Model Markup Language (PMML), AlinkModel, dan XGBoost yang dilatih menggunakan Machine Learning Designer. Anda juga dapat mengekspor file model PMML secara manual untuk diimpor di EAS. Model dalam format Parameter Server (PS) memerlukan ekspor manual sebelum dapat disebarkan sebagai layanan online EAS.
Menyebarkan pipeline sebagai layanan online
Anda dapat menyebarkan pipeline tertentu sebagai layanan online untuk mengimplementasikan prediksi real-time. Secara khusus, gunakan komponen algoritma Alink untuk membangun pipeline pemrosesan data batch yang mencakup pra-pemrosesan data, rekayasa fitur, dan prediksi model. Kemas pipeline sebagai model pipeline dan sebarkan sebagai layanan online EAS hanya dengan beberapa klik.