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
※CNN 是如何處理圖像中不同位置的對象的?
※Python 3.7.0 發布,包含多項新特性和優化
TAG:AI研習社 |