您能指导我如何在基于Java/JVM的应用程序(生产中)中创建和执行机器学习模型/统计模型(回归、决策树、K表示聚类、Naive bayes、记分卡/线性/逻辑回归等以及GBM、GLM)吗。
我们有一种ETL类型的基于Java的产品，可以在其中完成机器学习的大部分数据准备步骤，如JDBC、文件、HDFS、无SQL等的数据接收、连接和聚合等(这是功能工程所必需的)，现在我们想使用机器学习/统计建模添加分析功能。
现在，我们正在使用JPMML-evaluator对使用R和python(以及Knime)以PMML格式创建的模型进行评分，但它需要三个独立且不相连的步骤：-1-在我们的Java/JVM应用程序中准备数据的第一步，并将采样数据(训练和测试)数据保存在csv文件或DB中，-2-用R和python(以及Knime)创建一个机器学习模型，并将其导出为PMML 4.2格式-3-在我们基于Java的应用程序中导入/部署PMML，并使用JPMML评估器在生产中执行它。
我相信这是机器学习中的一个常见问题，因为在生产中，JAVA通常比Python或R更受欢迎。你能建议在基于JVM的应用程序中创建和执行基于Python/scikit的机器学习模型的更好方法吗。
在不影响性能和可用性的情况下，您认为如何在基于JVM的应用程序中更无缝地实现步骤#2和#3：-
1-调用一个java程序，该程序内部调用python-scikit脚本(在后台)以在PMML中创建一个模型，然后使用JPMML评估器。它将向用户假装他在一个基于JVM的应用程序中(更好的可用性)。我不确定使用PMML的局限性和不足之处是什么，因为jpmml sklearn并不支持所有功能。2-调用一个java程序，该程序在内部调用python脚本，在外部python环境中进行模型创建和执行，并将模型和结果序列化到一个文件.csv或内存DB(或缓存，如hazecast)中，父java应用程序将从中获取结果等。我研究过我不能使用Jython执行Sci-kit模型。3-我可以使用Jep(在Java中嵌入Python)在JVM中嵌入Cpython吗？有人在sci试剂盒模型上试用过吗？
或者，我应该探索在基于JVM的应用程序中使用基于Mahout或weka-java的机器学习库。(我需要同时支持windows和非windows平台)
我也在探索基于java的H2Oai。有人试过吗？
我将IntelliJ IDEA与python插件一起使用。通过这种方式，我在同一个项目中同时拥有java和python代码。数据在数据库中；连接总是可见和可访问的，与编辑器中当前是否有.java或.py文件无关。在配置列表中，可以有Python脚本、Java应用程序、maven目标等。因此，我认为您不必将Python和Java代码混合在一起(通过从Java中调用Python脚本)。这完全没有必要。
我的工作流程是(IntelliJ IDEA中的所有内容)：1.准备数据(通常是SQL)2.运行python脚本，该脚本将转换器的管道应用于由某个数据库表构建的panda数据帧，并输出PMML。3.在您的java应用程序中使用scikit学习模型。
如果您有一个带有HDFS后端的ETL，我建议在集群上部署Spark，并使用Spark的MLib机器学习算法。它们支持您上面提到的方法。
你介意提供一些上下文来说明你计划使用的数据的大小(行、列、类型)吗？Java不是我推荐的用于ML的goto-语言，但Scala编译为JVM字节码，并且具有与Java类似的语法(除了具有Java API之外)。
如果你正在制作一个概念验证，那么Java是可以的，但如果你计划使用大数据，它就不能很好地扩展。
我已经为我的问题找到了一个不错的解决方案。我使用的是在Java中开发的H2O.ai，用于使用开源进行可扩展的机器学习。它提供了Java(Restful API)、Python、R和Scala的API。它拥有一流的分类、回归、聚类等算法，如果有人拥有Spark集群，它还可以与Apache Hadoop和Spark(气泡水)无缝集成。它还提供了一种基于多层前馈人工神经网络的深度学习算法。我使用Java绑定API/Rest API，有时还使用低级别的H2o API(用于H2o 3节点集群管理)。
我遇到了另一个基于java的替代方案，名为Smile-统计机器智能和学习引擎，它提供回归、分类、聚类、关联规则挖掘、特征选择等。有人对这些或类似的基于java的ML库有更多反馈吗？