来源：SAP

这是SAP提供的ASUG BITI网络广播

图2：来源：SAP推荐建模iwth PAL–算法在服务器上实现，数据驻留在服务器上，请参阅性能更好的

图3：来源：SAP

PAL是数据科学家

信用卡数据，哪个客户值得信用（分类）

基于房间#等特征预测房价，使用回归

聚类相似客户做有针对性的营销活动

时间依赖模型，顺序模式建模发行优惠券

图4：来源：SAP彩色编码表示投资

图5：来源：SAP随机森林模型训练

图6：来源：SAP带置信度的模型评分PAL代码

图7：来源：SAP其他选项包括与R的集成从R studio连接，从ODBC连接

图8：来源：SAP

R集成看起来像一个存储过程

图9：来源：SAP在TensorFlow中建立模型并调用HANA–就像存储过程

在HANA端，淘客社区，中移物联网，你有应用程序函数库

用SPS02–在右侧创建EML/AFL–HANA和TensorFlow服务器之间的接口

构建和训练TensorFlow并上传到TensorFlow服务器，然后从HANA端消费

通过Google远程函数调用连接

TensorFlow服务服务器可以在开发中的HANA中运行在同一个框中；应在生产中分开

范围为评分

图10：来源：SAP

在TensorFlow中训练模型

图11：来源：SAP步骤1创建TensorFlow服务器的远程源、主机和端口

然后将模型映射到远程源；插入测试模型

下一步-立即应用任何配置更改

然后检查所有连接是否工作，国内云服务器哪家好，然后开始在应用程序中使用

图12：来源：SAP

在HANA中生成EML，然后使用输入和输出表调用过程

图13：来源：SAP

HANA中的机器学习端到端；取决于类型使用案例

机器学习不仅仅是开发模型，而是如何以可扩展的实时方式优化这些模型

图14：来源：SAP客户流失预测用PAL建立模型

你可以生长决策树，输出是PAL中的类

，你有细粒度控制

图15：来源：SAP

第一步是训练模型，填充参数表

图16：来源：SAP

创建表存储模型

捕获变量重要性用表

存储带外erorr

模型的存储混乱矩阵

图17：来源：SAP训练模型，什么大数据，调用函数

决策树以PMML格式存储

出袋错误，变量重要性

混淆矩阵也被输出

14例中只有3例模型预测不准确

图18：来源：SAP

现在建立了模型，自助免费建站，想要预测客户流失，并将客户保留

创建参数表为评分结果创建结果表

预测和信心

使用PAL训练模型，然后使用它预测场景

图19：来源：SAP

也可以使用Web IDE构建

图20：来源：SAP

推动执行接近数据

图21：来源：SAP

考虑批量和实时

SP02增强

使用SPS01进行实时预测

图22:来源：SAP

需要实时进行决策

图23:来源：SAP

模型可以保留在内存中

图24:来源：SAP

分区-并行评分

并行进行大批量样式处理的能力