您能否指导我如何在基于Java / JVM的应用程序中创建和执行机器学习模型/统计模型（回归，决策树，K均值聚类，朴素贝叶斯，记分卡/线性/逻辑回归等以及GBM，GLM） （在制作中）。
我们有一种基于Java的ETL产品，其中可以完成大部分数据的机器学习准备步骤，例如从JDBC，文件，HDFS，无SQL等数据中获取数据，连接和聚合等（这是特征工程所需的）现在我们想要使用机器学习/统计建模来添加Analytics功能。
现在，我们使用JPMML-评估器使用R和python（以及Knime）对以PMML格式创建的模型进行评分，但它需要三个独立且不相关的步骤：1-在Java / JVM应用程序中进行数据准备的第一步并保存csv文件或DB中的采样数据（训练和测试）数据， - 2-在R和python（和Knime）中创建机器学习模型并以PMML 4.2格式导出 - 3-在Java中导入/部署PMML基于应用程序并使用JPMML评估程序在生产中执行它。
我确信这是机器学习中的常见问题，因为生产JAVA通常比Python或R更受欢迎。您能否建议在JVM中创建和执行基于python / scikit的机器学习模型的更好方法是什么？应用。
您有什么想法在基于JVM的应用程序中更加无缝地实现步骤＃2和＃3，而不会影响性能和可用性： -
1-调用一个java程序，它在内部调用python scikit script（在引擎盖下）到create a model in PMML，然后使用JPMML求值程序。它会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有什么限制和缺点，因为jpmml-sklearn不支持所有功能。 2-调用一个java程序，它在内部调用python脚本并在外部python环境中执行模型创建和执行，并将模型和结果序列化为file / csv或内存DB（或缓存，如hazelcast）父Java应用程序将获取结果等。我研究了我不能使用Jython来执行Sci-kit模型。 3-我可以使用Jep（在Java中嵌入Python）在CVM中嵌入Cpython吗？是否有人尝试过sci-kit模型？
或者，我应该探索在我的基于JVM的应用程序中使用Mahout或weka - 基于java的机器学习库。 （我需要支持windows和非windows平台）
我也在探索基于java的H2Oai。有人试过吗
我使用IntelliJ IDEA和python插件。这样我在同一个项目中同时拥有java和python代码。数据在数据库中;连接始终是可见的和可访问的，与编辑器中当前是否有.java或.py文件无关。在配置列表中，您可以拥有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（通过使用Java调用Python脚本）。这完全没必要。
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，它将转换器管道应用于从某个数据库表构造的pandas数据帧并输出PMML。 3.在java应用程序中使用scikit-learn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。
您是否介意给出一些关于您计划使用的数据大小（行，列，类型）的上下文？ Java不是我推荐的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）。
如果您正在制作概念验证，那么Java就可以了，但如果您计划使用大数据，那么它实际上并不能很好地扩展。
我找到了解决问题的好方法。我正在使用Java开发的H2O.ai，使用开源的可扩展机器学习。它提供Java（Restful API），Python，R和Scala的API。它具有最佳的分类，回归，聚类等算法，并且如果有人拥有Spark集群，也可以与Apache Hadoop和Spark（Sparkling-water）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，有时使用低级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，称为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。有没有人对这些或类似的基于Java的ML库有更多的反馈？