基於 Python Schema 的機器學習庫——Smart Fruit

Smart Fruit 是一個基於 Python Schema 的機器學習庫，包含了 scikit-learn，用於快速創建簡易的機器學習模型。

Github 鏈接：

https://github.com/madman-bob/Smart-Fruit

安裝

用 pip 來安裝和更新：

pipinstallsmart-fruit

用法

通過3個步驟創建和使用機器學習模型：

創建表示輸入和輸出功能的模式。

從你的數據中訓練模型。

根據您的模型進行預測。

示例

為了更好地體驗本庫，請考慮使用 Iris（https://archive.ics.uci.edu/ml/datasets/Iris）資料庫，開發者們可以根據萼片和花瓣的測量結果預測 Iris 植物的類別。

首先，我們可以創建 Schema 來描述我們的輸入輸出

fromsmart_fruitimportModel

fromsmart_fruit.feature_typesimportNumber, Label

classIris(Model):

classInput:

sepal_length_cm =Number()

sepal_width_cm =Number()

petal_length_cm =Number()

petal_width_cm =Number()

classOutput:

iris_class = Label(["Iris-setosa","Iris-versicolor","Iris-virginica"])

然後，訓練模型：

model= Iris.train(Iris.features_from_csv("iris_data.csv"))

數據文件 iris_data.csv

sepal_length_cm,sepal_width_cm,petal_length_cm,petal_width_cm,iris_class

5.1,3.5,1.4,0.2,Iris-setosa

...

最後，我們用新模型來預測：

forpredictioninmodel.predict([Iris.Input(5.1, 3.5, 1.4, 0.2)]):

print(prediction.iris_class)

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據資料】

Pick 一下？Python 機器學習實用技巧

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！