TDInsight模型与在线推理

所谓数据流，即上下游节点的连接线不仅代表着节点的先后次序，同样代表着数据的流向。数据流使数据如血液般在平台中流动，使平台工作流的搭建更加简单、方便。

1. 基本概念

数据的输入、输出依赖关系只需要通过节点连线即可自动完成，对于需要数据流的节点，您会发现这些节点上的输入和输出可以是多个的（但不超过3个）。

拉动线条连接时，系统会自动把上个节点的数据输出作为下个节点的输入。通过鼠标hover在这些输入、输出点上，就能看到每个数据点的提示。

如下图所示，数据切分节点有两个输出点，代表有两份数据输出。将第一个输出点与下游的LogisticRegression第一个输入点相连，这样LogisticRegression节点的“训练集路径”参数就自动填上数据切分的第一个输出。如此，用户可以方便地将数据切分成训练集和验证集，用于LR模型的训练。

2. 工作流

在有监督机器学习训练过程中，数据集会有训练集、验证集和测试集的概念。训练集和验证集用于模型的训练和模型参数的选择。在模型训练过程结束后，用测试集评测最终模型的性能。

每个“算法节点”所附带的“模型节点”不仅具有模型管理、查看等功能，而且有预测功能，“算法节点”执行训练结束后，将执行左侧“模型节点”的预测功能。

下图给出一个基于数据流的机器学习工作流示例：

1. 训练集和测试集作为整个LR算法的输入，如果你的训练集和测试集是从同一份数据分出来的，那你可以再加一个数据切分的节点；

2. 数据随机按比例切分成训练集和验证集；

3. LR模型训练、调参；

4. 用生成的模型预测测试集，并计算模型评测指标。