摘要
机器学习技术已蔓延至众多领域，其中最有趣的领域之一就是医疗保健领域。本 Code Pattern 使用 IBM Watson Studio 上的 Jupyter Notebook 来构建预测模型，演示潜在的医疗保健用例。此预测模型部署到 Watson Machine Learning 服务上的生产环境中，并由 IBM Cloud 中的 Cloud Foundry Runtime 上运行的自定义 Node.js 应用来调用。
概览
身为工作繁忙的开发人员或数据科学家，您希望能够找到最快的途径向用户提供数据洞察，但这需要对许多技术领域的专业知识了解比较深入。此全面的示例向您详细展示了多种技术，这些技术可用于：
- 获取、清理和探索数据
- 构建预测性机器学习模型
- 预测结果
- 托管模型以供使用
- 从 Node.js 应用调用托管模型
在此过程中，您将了解用于在 IBM Cloud 上托管经过训练模型的 IBM Watson Machine Learning 服务，以及面向数据科学团队的基于云的 IDE – IBM Watson Studio；此外，还有用于整合为数据科学和机器学习而构建的众多开源技术的工具。
在本 Code Pattern 中，您将使用 IBM Watson Studio 上的 Jupyter Notebook 来构建预测模型，演示潜在的医疗保健用例。虽然这仅用于演示目的，但您将了解如何对由各种医疗保健指标组成的数据集使用 Watson Machine Learning，进而为心脏衰竭风险创建预测模型。创建此模型后，可对输入的信息进行评分，产生单个案例的预测结果。请注意，本应用仅用于演示和说明目的，并不是法规审查服务产品的构成部分。
学完本 Code Pattern 之后，您将掌握如何：
- 在 Jupyter Notebook 中构建预测模型
- 将模型部署至 IBM Watson Machine Learning 服务
- 通过 API 或 Node.js 应用访问机器学习模型
流程
- 开发人员创建 IBM Watson Studio Workspace。
- IBM Watson Studio 依赖于 Apache Spark 服务。
- IBM Watson Studio 使用云对象存储来管理您的数据。
- 此实验室是基于 Jupyter Notebook 构建的，开发人员可在此导入数据，训练和评估其模型。
- 导入心脏衰竭数据。
- 使用 IBM Watson Machine Learning 服务将经过训练的模型部署到生产环境中。
- 在 IBM Cloud 上部署 Node.js Web 应用，并调用此预测模型。
- 用户访问 Web 应用，输入其信息，预测模型将响应信息返回给用户。
操作说明
可以在 README.md 文件中找到本 Code Pattern 的详细步骤。这些步骤将展示如何：
- 部署测试应用
- 创建一个 Watson Machine Learning 服务实例。
- 创建一个 Watson Studio 服务实例。
- 在 IBM Watson Studio 中创建一个项目，并将其构建到 Watson Machine Learning 服务实例中
- 保存 Watson Machine Learning 服务凭证
- 在 IBM Watson Studio 中创建 Notebook
- 在 IBM Watson Studio 中运行 Notebook
- 将保存的预测模型作为评分服务来部署
本文翻译自：Create and deploy a scoring model to predict heartrate failure（2018-05-18）