系统环境：1、按照docker，官网有详细步骤，根据自己的系统选择相关教程就可。2、镜像拉取docker pull tensorflow/serving如果超时可以使用国内镜像。docker pull registry.docker-cn.com/tensorflow/serving出现如下类似画面则表示成功。3.克隆仓库，创建文件目录并克隆仓库mkdir -p /tmp/tfservingcd

数据预处理的简单定义：一种数据挖掘方法，本质就是为了将原始数据转换为可以理解的格式或者符合我们挖掘的格式。主要包括四个步骤：（1）数据清洗（2）数据集成（3）数据规约（4）数据变换数据清洗： 填写缺失的值，光滑噪声数据，识别或删除离群点，并解决不一致性来“清理数据”；数据集成：使用多个数据库，数据立方体或文件；数据归约： 用替代的，较小的数据表示形式替换元数据，得到信息内容的损失最小化，方法包括维

传统的分类学习中往往假设各个训练样本在各类别的数目上大致相等，但是在实际的分类问题中，这种假设往往是不成立的。当样本在不同类别上的数目相差很大时，叫做不平衡数据集，此时分类器的分类效果往往会变差。目前的研究主要从数据预处理、代价敏感思想、单类别学习和集成学习方面进行研究。数据预处理主要是通过增加少类样本或减少多类样本来达到数据的平衡，也就是过采样方法和欠采样方法。欠采样方法就是减少多数样本来达到数

经过数据探索与数据的预处理，得到了可以用于建模的数据。更加挖掘目标和数据的形式可以建立分类与预测、聚类分析、关联规则、时序模式和偏差检测等模式。常见的分类与预测算法：回归分析：回归分析是通过建立模型来演技变量之间相互关系的密切程度、结构状态及进行模型预测的一种有效工具。、聚类分析：聚类分析实在没有给定划分类别的情况下，根据数据相似度进行样本分组的一种方法，聚类模型可以建立在无类标记的数据上，是一种