机器学习：使用Python进行预测

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。

我们提供的服务有：网站设计、网站制作、微信公众号开发、网站优化、网站认证、朝阳县ssl等。为上1000家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的朝阳县网站制作公司

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！

（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。）

文章标题：机器学习：使用Python进行预测
文章转载：http://www.shufengxianlan.com/qtweb/news15/275415.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联