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

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive