如何以稀疏矩阵作为参数发布Watson机器学习评分请求

Question

由于有关Scikit-Learn模型在Watson ML服务上发布的当前限制，该服务不允许任何自定义变压器等（https://datascience.ibm.com.com/docs/content/Analyze-data/ml-scikit-learn.html在管道中，我最终部署了仅包含SVC分类器的管道，而不是TFIDFDECTORIOR。

这意味着，在调用Watson ML上的模型之前，我需要使用TFIDFVECTORIZER"转换"我的原始测试数据。

只要我不尝试在线部署方法（我需要，因为我希望应用程序都会向我的模型发布请求）。

）。

我应该如何从tfidfvectorizer.transform中序列稀疏矩阵并将其作为JSON有效载荷传递给WML服务？

谢谢！

Answer 1

所以实际上，我正在回答我的问题; - ）

如果您陷入必须向WML发送稀疏矩阵的情况，则可以使用

<yourmatrix>.todense().tolist()

因此，要将其放回我的初始问题的背景下，我可以发送转换的结果：

valuesList = tfidf_vectorizer.transform(test).todense().tolist()
payload_scoring = {"values": [[valuesList]]}
response_scoring = requests.post(scoringUrl, json=payload_scoring, headers=header)