如何使用sklearn进行在线实时预测（构建真实世界中可用的模型） |
您所在的位置：网站首页 › 下雨实时动态 预测 › 如何使用sklearn进行在线实时预测（构建真实世界中可用的模型） |
如何使用sklearn进行在线实时预测（构建真实世界中可用的模型）
|
推荐阅读时间：10min~12min 主题：如何构建真实世界可用的ML模型 Python 作为当前机器学习中使用最多的一门编程语言，有很多对应的机器学习库，最常用的莫过于 scikit-learn 了。我们介绍下如何使用sklearn进行实时预测。先来看下典型的机器学习工作流。  解释下上面的这张图片： 绿色方框圈出来的表示将数据切分为训练集和测试集。红色方框的上半部分表示对训练数据进行特征处理，然后再对处理后的数据进行训练，生成 model。红色方框的下半部分表示对测试数据进行特征处理，然后使用训练得到的 model 进行预测。红色方框的右下角部分表示对模型进行评估，评估可以分为离线和在线。典型的 ML 模型介绍完了典型的机器学习工作流了之后，来看下典型的 ML 模型。 代码语言：javascript复制import numpy as np import pandas as pd from sklearn.datasets import load_iris from sklearn.ensemble import RandomForestClassifier # 加载鸢尾花数据 iris = load_iris() # 创建包含特征名称的 DataFrame df = pd.DataFrame(iris.data, columns=iris.feature_names) df['species'] = pd.Categorical.from_codes(iris.target, iris.target_names) # 生成标记，切分训练集、测试集 df['is_train'] = np.random.uniform(0, 1, len(df)) |
【本文地址】