Question

由于目前在Watson ML服务上发布scikit-learn模型的限制，它不允许任何自定义转换器等（https://datascience.ibm.com/docs/content/analyze-data/ml-scikit-learn.html）在管道中，我最终部署了一个仅包含SVC分类器，而不是TfidfVectorizer。

这意味着，我需要＆＃34;转换＆＃34;在调用Watson ML上的模型之前，使用TfidfVectorizer获取原始测试数据。

只要我不尝试在线部署方法（我需要，因为我想要一个应用程序将请求发布到我的模型中），这样工作正常。

如何从TfidfVectorizer.transform序列化我的稀疏矩阵并将其作为json有效负载传递给WML服务？

谢谢！

Answer 1

实际上，我正在回答我的问题; - ）

如果你遇到必须向WML发送稀疏矩阵的情况，那么你可以使用

<yourmatrix>.todense().tolist()

所以，要把它放回到我的初始问题的上下文中，我可以发送变换的结果：

valuesList = tfidf_vectorizer.transform(test).todense().tolist()
payload_scoring = {"values": [[valuesList]]}
response_scoring = requests.post(scoringUrl, json=payload_scoring, headers=header)

如何使用稀疏矩阵作为参数

1 个答案: