范例(二)预测心血管疾病的可能性

第二个范例将以心血管疾病的Dataset进行说明如何执行training、tracking与serving. 这个范例来源为这里.

第Day1 的示意图表示如下:

• Training: 一样使用JupyterHub
• Tracking: 也一样使用MLFlow, 将parameter、metrics与model记录在MLFlow
• Serving: 会使用Seldon core执行部署模型
  

范例程序可以从github下载

• notebook: cardiovascular_disease_prediction_notebook.ipynb
• dataset: cardio_train.csv

在cardio_train.csv里面的栏位包含:

• age: 年龄
• gender: 姓别
• height: 身高
• weight: 体重
• ap_hi: 收缩压
• ap_lo: 舒张压
• cholesterol: 胆固醇状况
• gluc: 血糖状况
• smoke: 是否抽烟
• alco: 是否饮酒
• active: 活动状况
• cardio: 罹患心血管疾病的机率

训练完成後, 执行推论时,使用者需要提供age、gender、height、weight、ap_hi、ap_lo、cholesterol、gluc、smoke、alco、active资料, 系统将会回传该人员罹患心血管疾病的机率.

执行训练时会使用XGBoost(eXtreme Gradient Boosting)进行模型的训练, 关於XGBoost的介绍可以参考wikipedia

会使用这个范例进行说明的原因下如:

1. 因为资料量不大,所以执行训练的时间比较短(省时)
2. XGBoost是资料科学家很常使用的机器学习工具, 在Kaggle比赛经常采用XGBoost参赛.
3. 完成训练之後产生的model档可以放在seldon上进行部署

下一篇我们就来说明这份推估心血管疾病机率的notebook内容

参考资料

https://www.kaggle.com/sulianova/cardiovascular-disease-dataset
https://zh.wikipedia.org/wiki/XGBoost