Apache Flink-svm对流式数据的预测

Question

我使用Apache Flink来预测来自Twitter的流。

代码是在Scala中实现的

我的问题是，我从DataSet API训练的SVM模型需要一个DataSet作为predict（）方法的输入。

我在这里已经看到一个问题，其中一个用户说，您需要编写一个自己的MapFunction，在作业开始时读取模型（参考：Flink中使用scala的实时流预测）

但是我不能写/理解这段代码。

即使我在StreamingMap函数中得到了模型。我仍然需要一个数据集作为预测结果的参数。

我真的希望有人能向我展示/解释这是如何做到的。

Flink版本：1.9 Scala版本：2.11 Flink ML:2.11

val strEnv = StreamExecutionEnvironment.getExecutionEnvironment
val env = ExecutionEnvironment.getExecutionEnvironment

//this is my Model including all the terms to calculate the tfidf-values and to create a libsvm
val featureVectorService = new FeatureVectorService
        featureVectorService.learnTrainingData(labeledData, false)

//reads the created libsvm
val trainingData: DataSet[LabeledVector] = MLUtils.readLibSVM(env, "...")
        val svm = SVM()
                .setBlocks(env.getParallelism)
                .setIterations(100)
                .setRegularization(0.001)
                .setStepsize(0.1)
                .setSeed(42)
//learning
svm.fit(trainingData)

//this is my twitter stream - text should be predicted later
val streamSource: DataStream[String] = strEnv.addSource(new TwitterSource(params.getProperties))

//the texts i want to transform to tfidf using the service upon and give it the svm to predict
val tweets: DataStream[(String, String)] = streamSource
                .flatMap(new SelectEnglishTweetWithCreatedAtFlatMapper)

Answer 1

因此，目前FlinkML（SVM的一部分）不支持流式API。这就是为什么SVM只接受DataSet。我们的想法不是使用FlinkML，而是使用scala或java中提供的一些SVM库。然后您可以读取模型，例如从文件中读取。问题是您必须自己实现大部分逻辑。

你提到的帖子中的评论或多或少是在说完全相同的事情。