python-sklearn学习笔记（一）:训练模型的使用和预测数据的导出

最新推荐文章于 2024-05-17 08:13:01 发布
最新推荐文章于 2024-05-17 08:13:01 发布
阅读量3.6w 收藏 247
点赞数 44
分类专栏： pandas
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaohuoche175/article/details/94723065
版权

这几天在机器学习中对sklearn引入数据，拆分数据，训练数据，测试数据，导出模型都有了一个大概的了解

但是对于导出的模型如何去进行使用，让我产生了一些疑惑，

当我解决这些疑问后，我发现是由于没有pandas的使用基础才导致了这些疑惑，

所以建议小伙伴在学习sklearn之前，要能对pandas的使用有一个基本的了解

这里讲一下我是怎么实现训练模型的导出和导入预测数据并将数据显示在原数据集中的

 

训练模型、导出模型

首先我们不采用任何特殊操作，简单的对sklearn的datasets中提供的load_iris(鸢尾花)数据集进行学习

并通过sklearn通过的保存模块joblib来导出训练模型

 这里一个地方要注意，joblib.dump() 第一个参数填写的是训练出来的模型,第二个参数填写的是模型存放的位置

比如图中生成了一个clf模型，并将模型存放在同级目录下的save文件夹中生成clf.pkl文件

 

导入模型、预测数据、导出预测数据

先看一下我们的所要进行预测的特征值数据应该是怎样的规范

我们新引入的数据，特征值的命名要和训练时的命名一样，字段的数量也要一样，

训练的时候是4个字段，引入的也要是4个字段

目标值也要是我们训练时对应的目标值，现在为空，我们通过导入模型来预测出他应该是什么值

进行操作

我们可以先通过打印to_list得到我们的预测结果

预测的结果是[0 0 1 1 2 2]，

也就是说预测前两个数据为类型为0的花，中间的两个数据为类型为1的花，后面的两个数据为类型为2的花，

让我们将数据转换成列表，赋值给df['Name]这个字段

并使用to_csv将新的df进行保存，也就是将预测的数据添加到Name这个字段重新生成test.csv文件

这里要注意一点，进行保存的时候要先把test.csv文件关闭，否者你将没有写入的权限

报错如下：PermissionError: [Errno 13] Permission denied: 'test.csv'

然后我们来看一下新的test.csv文件变成什么样子了

预测的数据写入在了相应的位置，并在字段的首列生成了一个序列

小火skr车
关注
  • 44
    点赞
  • 踩
  • 247
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
碳排放预测模型 | Python实现基于机器学习的碳排放预测模型——数据清理和可视化
算法如诗的博客
07-01 1399
碳排放预测模型 | Python实现基于机器学习的碳排放预测模型——数据清理和可视化
python基于训练集预测_Python sklearn拆分训练集、测试集及预测导出评分 决策树...
weixin_39975744的博客
12-15 2030
机器学习入门(注：无基础可快速入门，想提高准确率还得多下功夫，文中各名词不做过多解释)Python语言、pandas包、sklearn包 建议在Jupyter环境操作操作步骤1.pandas包加载给机器学习训练的表格依照机器学习领域的习惯，我们把特征叫做X，目标叫做y，通常一列数据最后一列作为目标列2.映射数据列为整型(Python做决策树需要整型或者实数)3.拆分训练集、测试集4.sklea...
机器学习之sklearn基础教程（第六篇：模型建立和训练）
载_酒i
05-17 329
模型建立是将选择好的特征和降维后的数据用于训练机器学习模型的过程。在sklearn中，模型建立的步骤通常如下：导入模型类：根据任务类型和需求选择合适的模型类。创建模型实例：通过实例化模型类来创建一个模型对象。
Python机器学习笔记：sklearn库的学习
qq_57222058的博客
10-07 2666
自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了，scikit-learn简称sklearn，支持包括分类，回归，降维和聚类四大机器学习算法。还包括了特征提取，数据处理和模型评估者三大模块。 　　sklearn是Scipy的扩展，建立在Numpy和matplolib库的基础上。利用这几大模块的优势，可以大大的提高机器学习的效率。 　　sklearn拥有着完善的文档，上手容易，具有着丰富的API，在学术界颇受欢迎。sklearn已经封装了大量的机器学习算法，包括LIBS
机器学习笔记 - sklearn决策树（kaggle 实战 Titanic 入门）
haobowen的博客
10-15 1153
这是 Kaggle 上非常典型的一道入门题，可以用很多机器学习或者深度学习甚至是一些“奇淫技巧”的方法来解决。因为我是一个初学者，所以我希望在尽可能提高正确率的情况下，用更简单的方法。如果这也能帮助到你，那将是我莫大的荣幸。
机器学习-sklearn第一天——笔记
weixin_45649258的博客
02-21 723
目录sklearn入门决策树1 概述1.1 决策树是如何工作的1.2 sklearn中的决策树2 DecisionTreeClassifier与红酒数据集2.1 重要参数2.1.1 criterion2.1.2 random_state & splitter2.1.3 剪枝参数2.2 重要属性和接口3 DecisionTreeRegressor(回归树)3.1 重要参数，属性及接口3.2 实例：一维回归的图像绘制 sklearn入门 scikit-learn，又写作sklearn，是一个开源的基于p
sklearn中的数据预处理和特征工程----【1】代码及参数解释【学习笔记】
weixin_52103757的博客
05-28 365
如果数据不给力，在高级的算法都没有用。 五大步骤 获取数据 数据预处理 检测、纠正或删除损坏、不准确、不适用的数据过程 例如：数据类型（文字、数字、时间序列、连续、离散、噪声、异常、缺失值、出错、量纲不一、重复偏态） 目的：让数据适应模型，匹配需求。 特征工程 将特征转换成更能代表预测模型潜在问题的过程 方法：挑选最相关的、提取特征、创造特征：降维或者计算 问题：特征间有相关性、特征和标签无关、 太多或者太小、干脆无法表达或展示数据的真实面貌 目的：降低计算成本、提升模型上限 建模并且测试模型
python-决策树-学习笔记
Single_minde的博客
02-28 473
sklearn学习笔记，作为数据分析起步的模型算法初学者笔记，方便自己查阅算法。
python 机器学习笔记——Sklearn使用
qq_41356069的博客
01-03 1056
这里写自定义目录标题前言sklearn官方文档的内容和结构获取数据数据预处理数据集拆分定义模型模型评估与选择创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 sklearn的学习教程官方文档地址：https://scikit-lea...
python-sklearn-classifier-cookiecutter：用于测试Python scikit-learn分类器的Cookiecutter模板
02-04
使用这个模板 cookiecutter gh:Microsoft/python-sklearn-classifier-cookiecutter （或cookiecutter https://github.com/Microsoft/python-sklearn-classifier-cookiecutter.git ） 填写Cookiecutter项目（有关每个...
python-sklearn-regression-cookiecutter：用于测试Python scikit-learn回归学习器的Cookiecutter模板
02-04
python-sklearn-回归-cookiecutter 应用程序的模板，演示了回归学习器的用法。 使用这个模板 cookiecutter gh:Microsoft/python-sklearn-regression-cookiecutter （或cookiecutter ...
python-sklearn-clustering-cookiecutter：用于测试Python scikit-learn集群学习者的Cookiecutter模板
02-04
python-sklearn-clustering-... cookiecutter gh:Microsoft/python-sklearn-clustering-cookiecutter （如果愿意，也可以使用cookiecutter gh:Microsoft/python-sklearn-clustering-cookiecutter cookiecutter ...
python-flask-sklearn-docker-template：使用scikit-learn，Flask和Docker进行实时机器学习的python API的简单示例
02-03
python-flask-docker-sklearn-template 用于实时机器学习的python API的简单示例。 初始化时，将创建一个简单的线性回归模型并将其保存在计算机上。 在请求进行预测时，将加载简单模型并返回预测。 有关更多信息，...
Python-sklearn-DataAnalysis:Pyhon数据分析和机器学习，这个仓库里放着本人的陈旧的代码，也包括了一些资料文件，读者自行获取，记得点个star
05-10
Python-sklearn-DataAnalysis 是一个专注于Python数据处理和机器学习的资源仓库，包含了作者的一些旧代码实例和相关学习资料。这个仓库对初学者和有一定经验的开发者来说都是一个宝贵的资源，因为它提供了实战经验的...
pi_heif-0.17.0-cp310-cp310-manylinux_2_17_aarch64.whl
07-27
pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。pip install 直接安装，无需再下载，直接用。
Numper基础（一）
07-27
Numper基础（一）
C语言写的潮流计算大作业代码.zip
最新发布
07-27
c写的潮流计算大作业代码.zipc写的潮流计算大作业代码.zipc写的潮流计算大作业代码.zip
python-sklearn
05-30
`python-sklearn`是Python中的一个机器学习库，全称为scikit-learn，它提供了包括分类、回归、聚类等多种机器学习算法，还包括了数据预处理、特征选择、模型评估等工具。使用`python-sklearn`可以方便地进行机器学习任务的开发和实验。 如果你想在Ubuntu系统中安装`python-sklearn`，可以通过以下命令进行安装： ``` sudo apt-get install python-sklearn ``` 如果你使用的是Python的虚拟环境，可以通过以下命令安装： ``` pip install -U scikit-learn ``` 安装完成后，你就可以在Python代码中导入`sklearn`模块，使用其中的各种机器学习算法和工具了。例如，下面的代码演示了如何使用`python-sklearn`进行线性回归： ``` from sklearn.linear_model import LinearRegression import numpy as np # 构造数据集 X = np.array([[1, 1], [2, 2], [3, 3]]) y = np.array([2, 4, 6]) # 创建模型并拟合数据 model = LinearRegression().fit(X, y) # 预测新数据 X_new = np.array([[4, 4], [5, 5]]) y_new = model.predict(X_new) print(y_new) # 输出预测结果 ``` 这个例子中，我们使用`python-sklearn`的线性回归模型来拟合一个简单的数据集，并预测新的数据点的输出值。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值