4.1.9　模型部署

是否对模型评分进一步分段处理，是否结合其他模型或策略进行综合评判，这些都可以影响到具体的上线方式。除此之外，线上比对分析、灰度上线等也需要引起足够重视。上线时需要确保模型开发环境和线上环境一致，例如查看主要包的版本是否一致、特征处理结果是否一致、同一批数据的预测结果在开发和线上两个环境中是否一致、统计指标是否一致（AUC、KS）等，例如可使用如下的方法进行校验：

# 查看包版本
print(your_package.__version__)
# df为pandas.DataFrame，online_score 表示线上得分，dev_score表示开发环境得分
assert sum(df['online_score']==df['dev_score']) == df.shape[0]

总之，环境一致的要求需要在部署之前确认。另外，第2章给出了一种环境一致性的方案，读者可以进行参考。第15章将讲述模型部署的技术方案与实现。