机器学习:使用 Python 进行预测

发表于:2022-6-10 10:13

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:佚名    来源:Linux中国

#
Python
分享:
  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:
      import pandas as pd
      import numpy as np
      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。
      from google.colab import files
      uploaded = files.upload()
      for fn in uploaded.keys(): 
          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

      from sklearn.linear_model import LinearRegression
      regressor = LinearRegression()
      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:
      # Install the library
      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,
      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!

  本文内容不用于商业目的,如涉及知识产权问题,请权利人联系51Testing小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号