机器学习:使用 Python 进行预测

开发 后端 机器学习
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:

    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

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

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!

(LCTT 译注:Java 中有第三方库 ​​jpmml/jpmml-evaluator​​,它能帮助你使用生成的 ​​model.pmml​​ 进行预测。)

责任编辑:庞桂玉 来源: Linux中国
相关推荐

2022-06-05 21:16:08

机器学习Python

2017-05-03 19:08:10

机器学习

2022-08-15 15:16:20

机器学习图片深度学习

2019-09-30 10:12:21

机器学习数据映射

2017-09-06 16:40:51

机器学习Airbnb预测房价

2018-06-14 14:05:48

机器学习大数据卡通上色

2022-01-18 09:21:17

Python机器学习黄金价格

2023-05-26 12:45:22

predict​方法数据

2018-01-04 13:07:43

Python机器学习情感分析

2022-02-13 00:27:34

机器学习数字隐私技术

2018-08-30 14:58:12

机器学习磁盘故障

2017-07-25 12:09:10

机器学习预测性维护模型

2020-01-31 16:08:00

​机器学习数据技术

2020-08-06 16:37:25

机器学习技术股票

2017-09-17 23:14:41

机器学习人工智能设计

2020-08-28 07:00:00

机器学习预测股市人工智能

2021-08-23 11:15:20

Python机器学习bilibili

2021-08-21 14:30:58

机器学习bilibili股价

2016-01-11 10:44:38

恶意软件恶意软件分析

2020-12-25 15:24:24

人工智能
点赞
收藏

51CTO技术栈公众号