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
用 pip 来安装和更新:
pip install smart-fruit
通过3个步骤创建和使用机器学习模型:
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)