机器学习：使用 Python 进行预测

机器学习基本上是机器进行人工智能的一个子集，它使用以前存在的学习数据对新数据进行预测。

当然，使用现在我们所有人都知道这个道理了！预测这篇文章展示了如何将 Python 中开发的机器进行机器学习模型作为 Java 代码的一部分来进行预测。

本文假设你熟悉基本的学习开发技巧并理解机器学习。我们将从训练我们的使用模型开始，然后在 Python 中制作一个机器学习模型。预测

我以一个洪水预测模型为例。机器进行首先，学习导入以下库：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

当我们成功地导入了这些库，使用我们就需要输入数据集，预测如下面的机器进行代码所示。香港云服务器为了预测洪水，学习我使用的使用是河流水位数据集。

from google.colab import files

uploaded = files.upload()

for fn in uploaded.keys():

print(User uploaded file "{ name}" with length { length} bytes.format(name=fn, length=len(uploaded[fn])))

如果没有选择文件的话，选择上传的文件。

只有在当前浏览器会话中执行了该单元格时，上传部件才可用。请重新运行此单元，上传文件 ​​Hoppers Crossing-Hourly-River-Level.csv​​，大小 2207036 字节。

完成后，我们就可以使用 ​​sklearn​​ 库来训练我们的模型。为此，我们首先需要导入该库和算法模型，如图 1 所示。

Figure 1: Training the model

from sklearn.linear_model import LinearRegression

regressor = LinearRegression()

regressor.fit(X_train, y_train)

完成后，云服务器我们就训练好了我们的模型，现在可以进行预测了，如图 2 所示。

Figure 2: Making predictions

在 Java 中使用 ML 模型

我们现在需要做的是把 ML 模型转换成一个可以被 Java 程序使用的模型。有一个叫做 ​​sklearn2pmml​​ 的库可以帮助我们做到这一点：

# Install the library

pip install sklearn2pmml

库安装完毕后，我们就可以转换我们已经训练好的模型，

sklearn2pmml(pipeline, ‘model.pmml’, with_repr = True)

这就完成了！我们现在可以在我们的 Java 代码中使用生成的 ​​model.pmml​​ 文件来进行预测。请试一试吧！

（LCTT 译注：Java 中有第三方库 ​​jpmml/jpmml-evaluator​​，它能帮助你使用生成的 ​​model.pmml​​ 进行预测。服务器托管）