本文档介绍如何使用Python训练一个机器学习模型，该模型根据身高和性别预测体重。首先，从一个包含身高、体重和性别的数据集开始，进行数据预处理，包括单位转换和数据清洗。接着，检查数据平衡性并训练模型。然后，通过创建Django项目来搭建API，实现模型的预测功能。最后，进行了API的测试和源代码的分享。
构建模型
在本节中，我们将训练一个机器学习模型，稍后将用于对 API 进行预测。
数据集
为简单起见，我将使用此处存储库上提供的一个小数据集。 使用这个数据集，我们将构建一个模型，根据身高和性别预测一个人的体重。 该数据集包含 10,000 条记录，其中包含人类性别、身高和体重的列。
让我们开始探索数据集。
应该做的第一件事是导入依赖项。
接下来，我们加载数据集：
身高数据以英寸为单位，体重数据以磅为单位。 我希望它们的单位分别是厘米和公斤。 所以我将进行单位转换并四舍五入数据，因为无法用这些精度测量身高和体重。
让我们看看我们得到了什么：
现在看起来好多了。
让我们检查数据集是否平衡。
训练模型
使用 Django 创建 API
在本节中，我们将从创建 Django 项目开始。然后我们就可以创建一个 API。
虚拟环境设置和依赖项安装
创建Django项目
移植
API
测试API
源代码
详情参阅 - 亚图跨际
801
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
