IBM SmartCloud Enterprise 上的敏捷預測分析(2)

　　除了支持建模技術本身之外，ADAPA 還支持 PMML 在預處理和后處理方面提供的所有產品。事實上，它還更進了一步。如果預測解決方案實現的函數不屬于 PMML 標準，ADAPA 允許用 Java™ 實現它們(參見圖 2)。然后，由此產生的 JAR 文件可以作為一種資源被上傳到引擎，并且它所包含的任何函數都直接從 PMML 進行實例化。

　　圖 2. 允許自定義函數以 Java 代碼實現的方式形式嵌入，從而擴展 PMML 標準

　　實際的預測模型和規則

　　觀看 Zementis 分析副總裁 Alex Guazzelli 博士的演示，即在 Zementis ADAPA Decision Engine 上運行資格預審應用程序，它使用預測模型和規則來分析貸款申請的默認按揭風險。

　　觀看演示

　　如圖 2 所示，除了基于 PMML 的預測分析引擎，ADAPA 也包含了規則引擎的全部功能。事實上，它提供預測分析和業務規則的無縫集成。通過這種方式，它使數據驅動的洞察力和專業知識能夠結合成一個決策戰略。

　　下一步，以 ADAPA 為例，說明如何部署和執行預測解決方案。

　　回頁首

　　預測模型的部署和執行

　　對于 PMML 和 ADAPA，部署預測模型的過程相當于將相應的 PMML 文件上傳到引擎。只要上傳成功，模型就可以通過 Web 服務或通過 ADAPA Web Console 執行。用戶還可以直接從 Excel 內訪問 ADAPA 中的模型(參見圖 3)。

　　圖 3. 通過 ADAPA Web Console 可以在 ADAPA 中部署和測試模型

　　實際上，Web 服務使整個企業的應用程序都可以實時訪問模型及其預測。按需模式和批處理模式的執行也可以通過同樣的方式完成，同時也受益于 ADAPA Web Console。這可以用作一個交互式管理門戶，手動管理和驗證模型。

　　業務用戶還可以通過使用 ADAPA Add-in 受益于直接從 Microsoft® Office Excel® 內訪問使用模型和評分數據。它使得在使用復雜的預測解決方案時不需要涉及構建和部署模型的復雜性。利用該加載項，用戶只需在 Excel 中選擇他們想評分的數據，從可用模型列表中選擇合適的模型，并單擊 Score。

　　請注意，現在您是在一個真正的跨平臺、多廠商環境中操作。由于可以使用各種 PMML 兼容工具來開發模型，所以在部署過程中，需要謹慎的一個步驟是模型驗證，確保評分引擎和模型開發環境會產生完全相同的結果。ADAPA 提供一個綜合的測試過程，以確保模型成功上傳，并按預期工作。它允許上傳一個包含任意數量記錄與所有必要的輸入變量和每個記錄的預期結果的測試文件，進行得分匹配。同樣的過程也可以嵌入到 PMML 文件本身，在這種情況下，PMML 文件將有一個專用于模型驗證的額外元素。

　　一旦完成模型驗證，統計信息就會返回匹配和不匹配的記錄總數及百分比。如果有任何記錄無法通過匹配測試，則會顯示一個失敗記錄列表。用戶可以通過每個記錄的計算信息進行跟蹤，以定位預期值和計算值有差異的地方，從而找出問題的根源。

　　回頁首

　　在 IBM SmartCloud Enterprise 上的 ADAPA

　　如前所述，ADAPA 使用 Web 服務調用，讓自動決策真正被嵌入到整個企業的系統和應用程序中。為了最大限度地減少總擁有成本，ADAPA 中的模型執行通過 SmartCloud Enterprise 以服務的形式提供(參閱 參考資料)。

　　挖掘過去，了解未來：預測分析

　　IBM 的 Ed Bottini 和 Zementis 的 Michael Zeller 演示 Zementis ADAPA Decision Engine 在 IBM SmartCloud Enterprise 上的技術功能。知識點包括如何結合預測解決方案(SPSS 和 R 編程語言)、如何實現一個具備預測分析能力的、靈活的最佳實踐云環境，并了解開放標準的 PMML 如何采用不同的預測模型。

　　觀看演示

　　SaaS 許可模型為像 Zementis 這樣的廠商提供了機會，使他們可以將軟件解決方案提供為具有成本效益的服務，這些服務可以隨用戶需求擴展，并按實際消費進行支付，就像您的水電費賬單一樣。SmartCloud 上的 ADAPA 是一個完全托管的 SaaS 解決方案。用戶只需每月支付服務和容量，即可消除使用昂貴的軟件許可以及內部硬件資源的必要性。SaaS 模型消除了用戶管理一個可擴展的、按需的計算基礎架構的負擔。

　　在 IBM SmartCloud 中啟動一個虛擬 ADAPA，該過程相當于傳統場景中的購買硬件并安裝在服務器機房。惟一的區別是，在這種情況下，服務器位于云上，配備了預裝版本的 ADAPA，在短短幾分鐘內就能按需啟動，并隨時可以使用。在任何時候，您都可以運行一個或多個實例。

　　每個實例類型都具有獨立的處理能力，提供了一個單租戶架構。服務被實現為一個私有的專用實例，其中封裝了預測模型和業務規則。通過這種方式，對任何實例的訪問(通過 HTTPS)都是私有的。因此，決策文件和數據從來不會與其他客戶共享相同的引擎。

　　結束語

　　預測分析使當今企業做生意的方式發生變革。作為一門學科，它使將要構建的預測解決方案可以窺探日益增加的數據，這些數據是作為社會人的我們從人和傳感器(通過交易數據)中收集的。數據在分析和轉化后，可用于預測技術的輸入，預測技術負責學習隱藏在數據中的重要模式。每當發生這種情況，就會誕生一個預測模型。

　　然而，要投入到工作中，它需要從科學家的桌面轉移到運營環境。為此，我們受益于 PMML 標準。它使通過某種工具構建的預測解決方案能夠很容易地被遷移動到另一個工具中執行。

　　PMML 是一個成熟精煉的標準，所有頂尖的數據挖掘工具都支持它。這些工具包括商用和開源的環境。隨著對 PMML 的支持的不斷增加，在如何使用 PMML 表示其預測解決方案方面，不同的工具表現得越來越復雜。這包括從全面的數據預處理一直到模型集成，其中數百種模型都可以表示為單個 PMML 文件，而輸出是所有模型的加權平均。

原文轉自：http://www.anti-gravitydesign.com