机器学习:使用 Python 进行预测

    作者:匿名更新于: 2022-06-12 22:19:50

    大神带你学编程,欢迎选课

      本文假设你熟悉基本的开发技巧并理解机器学习。我们将从训练我们的模型开始,然后在 Python 中制作一个机器学习模型。

      机器学习基本上是人工智能的一个子集,它使用以前存在的数据对新数据进行预测。

      当然,现在我们所有人都知道这个道理了!这篇文章展示了如何将 Python 中开发的机器学习模型作为 Java 代码的一部分来进行预测。

      本文假设你熟悉基本的开发技巧并理解机器学习。我们将从训练我们的模型开始,然后在 Python 中制作一个机器学习模型。

      我以一个洪水预测模型为例。首先,导入以下库:

      复制

      1. import pandas as pd

      2. import numpy as np

      3. import matplotlib.pyplot as plt

      当我们成功地导入了这些库,我们就需要输入数据集,如下面的代码所示。为了预测洪水,我使用的是河流水位数据集。

      复制

      1. from google.colab import files

      2. uploaded = files.upload()

      3. for fn in uploaded.keys():

      4. print('User uploaded file "{name}" with length {length} bytes'.format(name=fn, length=len(uploaded[fn])))

      如果没有选择文件的话,选择上传的文件。

      只有在当前浏览器会话中执行了该单元格时,上传部件才可用。请重新运行此单元,上传文件 ​​Hoppers Crossing-Hourly-River-Level.csv​​,大小 2207036 字节。

      完成后,我们就可以使用 ​​sklearn​​ 库来训练我们的模型。为此,我们首先需要导入该库和算法模型,如图 1 所示。

      Figure 1: Training the model

      复制

      1. from sklearn.linear_model import LinearRegression

      2. regressor = LinearRegression()

      3. regressor.fit(X_train, y_train)

      完成后,我们就训练好了我们的模型,现在可以进行预测了,如图 2 所示。

      Figure 2: Making predictions

      在 Java 中使用 ML 模型

      我们现在需要做的是把 ML 模型转换成一个可以被 Java 程序使用的模型。有一个叫做 ​​sklearn2pmml​​ 的库可以帮助我们做到这一点:

      复制

      1. # Install the library

      2. pip install sklearn2pmml

      库安装完毕后,我们就可以转换我们已经训练好的模型,

      复制

      1. sklearn2pmml(pipeline, ‘model.pmml’, with_repr = True)

      这就完成了!我们现在可以在我们的 Java 代码中使用生成的 ​​model.pmml​​ 文件来进行预测。请试一试吧!

      来源: Linux中国

        >>>>>>点击进入编程语言专题

编程语言 更多推荐

课课家教育

未登录