Github 项目推荐 | 基于 Python Schema 的机器学习库 —— Smart Fruit
Github 项目推荐 | 基于 Python Schema 的机器学习库 —— Smart Fruit
AI研习社
发布于 2018-07-26 16:18:41
发布于 2018-07-26 16:18:41
Smart Fruit 是一个基于 Python Schema 的机器学习库，包含了 scikit-learn，用于快速创建简易的机器学习模型。
Github 链接：
https://github.com/madman-bob/Smart-Fruit
安装
用 pip 来安装和更新：
pip install smart-fruit用法
通过3个步骤创建和使用机器学习模型：
- 创建表示输入和输出功能的模式。
- 从你的数据中训练模型。
- 根据您的模型进行预测。
示例
为了更好地体验本库，请考虑使用 Iris（https://archive.ics.uci.edu/ml/datasets/Iris）数据库，开发者们可以根据萼片和花瓣的测量结果预测 Iris 植物的类别。
首先，我们可以创建 Schema 来描述我们的输入输出
from smart_fruit import Model
from smart_fruit.feature_types import Number, Label
class Iris(Model):
class Input:
sepal_length_cm = Number()
sepal_width_cm = Number()
petal_length_cm = Number()
petal_width_cm = Number()
class Output:
iris_class = Label(['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'])然后，训练模型：
model = Iris.train(Iris.features_from_csv('iris_data.csv'))数据文件 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
...最后，我们用新模型来预测：
for prediction in model.predict([Iris.Input(5.1, 3.5, 1.4, 0.2)]):
print(prediction.iris_class)本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2018-07-06，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录