如何为实时交易数据设计架构以便将其归类为欺诈？
使用Scala和Spark MLLib，使用历史数据开发，训练和测试随机森林分类器ML模型并保持不变。
实时交易数据正在使用Apache Kafka从一个主题和Spark Streaming处理并写入另一个主题，以便通过分类器ML模型进行预测。
我的担忧： 如何使用上述ML模式从Kafka主题中提供并获得预测的当前交易数据？
使用已经过培训和测试的ML模型获取预测在线当前单一交易数据的最佳做法是什么？
欢迎任何设计建议。
答案 0 :(得分：1)
您可以在训练后保存模型并将其用于实时api进行预测。例如， https://databricks.gitbooks.io/databricks-spark-reference-applications/content/twitter_classifier/predict.html 另一种解决方案可能是使用苏打水并使用POJO：https://github.com/h2oai/sparkling-water/tree/master/examples#step-by-step-through-weather-data-example