本文总结了Jupyter笔记本中使用的SAP Predictive Analytics Python API系列。

在不同的情况下，您需要应用预测模型：

作为Kaggle等预测建模竞赛的参与者，云服务器怎么样，大数据推荐，您可以对提供的测试数据集进行预测，并提交输出文件。若要评估新训练模型的泛化错误，在云上，请将其应用于保持数据集，大数据教程，并将预测值与实际值进行比较。当模型被认为可以生产时，您可以定期将其应用于新数据，以预测目标结果。

在本文中，您将看到如何使用Jupyter笔记本上SAP Predictive Analytics的Python API应用模型。

我们加载了一个旨在检测欺诈性汽车保险索赔的分类模型。我们希望将其应用于新的索赔，以帮助发现欺诈。

应用带有预设设置的模型

我们指定输入数据集的位置和写入输出数据集的位置。

我们为输入数据打开第一个存储，为输出数据打开第二个存储。

自动分析为分类模型提供，预设设置，如：决策，个人贡献，手机网站自助建站，分位数。我们选择：Decision.

我们应用模型。

让我们检查预测文件的内容。

我们在熊猫数据框中加载文件。

我们显示前七行。

因为我们在配置模型时声明了claim id作为键，应用操作会自动将其放入预测文件中。

如果没有任何预设设置符合您的需要，您可以使用高级模式。

应用具有高级设置的模型。

我们打开输入和输出存储并激活高级应用设置模式。

我们请求决策及其概率。

我们还希望获得原因代码。

我们应用模型。

我们显示输出文件的前十行。