機器學習:使用 Python 進行預測
本文假設你熟悉基本的開發技巧並理解機器學習。我們將從訓練我們的模型開始,然後在 Python 中製作一個機器學習模型。
我以一個洪水預測模型為例。首先,導入以下庫:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
當我們成功地導入了這些庫,我們就需要輸入數據集,如下面的代碼所示。為了預測洪水,我使用的是河流水位數據集。
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])))
如果沒有選擇文件的話,選擇上傳的文件。
只有在當前瀏覽器會話中執行了該單元格時,上傳部件才可用。請重新運行此單元,上傳文件 Hoppers Crossing-Hourly-River-Level.csv
,大小 2207036 位元組。
完成後,我們就可以使用 sklearn
庫來訓練我們的模型。為此,我們首先需要導入該庫和演算法模型,如圖 1 所示。
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)
完成後,我們就訓練好了我們的模型,現在可以進行預測了,如圖 2 所示。
在 Java 中使用 ML 模型
我們現在需要做的是把 ML 模型轉換成一個可以被 Java 程序使用的模型。有一個叫做 sklearn2pmml
的庫可以幫助我們做到這一點:
# Install the library
pip install sklearn2pmml
庫安裝完畢後,我們就可以轉換我們已經訓練好的模型,如下圖所示:
sklearn2pmml(pipeline, 『model.pmml』, with_repr = True)
這就完成了!我們現在可以在我們的 Java 代碼中使用生成的 model.pmml
文件來進行預測。請試一試吧!
(LCTT 譯註:Java 中有第三方庫 jpmml/jpmml-evaluator,它能幫助你使用生成的 model.pmml
進行預測。)
via: https://www.opensourceforu.com/2022/05/using-a-machine-learning-model-to-make-predictions/
作者:Jishnu Saurav Mittapalli 選題:lkxed 譯者:geekpi 校對:wxy
本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive