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 2025-03-18 09:30:00 发布
最新推荐文章于 2025-03-18 09:30:00 发布
阅读量3.7w 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，

最低0.47元/天 解锁文章
代谢组数据分析（十五）：基于python语言构建PLS-DA分类预测模型
专注生信领域
07-16 1901
本教程阐述典型代谢组学数据分析工作流程，用于二元分类结果的研究。流程主要步骤如下：首先从 Excel 表格导入代谢物与实验数据，接着基于汇总 QC 进行数据清洗。随后借助主成分分析可视化检查数据质量，再开展两类单变量统计。之后运用偏最小二乘判别分析（PLS - DA）实施多变量分析，此过程涵盖模型优化（对比 R2 与 Q2）、置换测试及明确模型预测指标、确定特征重要性、对模型预测数据进行可视化。最终将统计表格导出至 Excel 表格，完整呈现从数据导入到分析结果输出的全过程。
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 2000
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模型训练
2301_79561199的博客
03-01 5115
python模型训练
python训练模型测试模型_python机器学习——使用scikit-learn训练感知机模型
weixin_39875941的博客
11-24 297
这一篇我们将开始使用scikit-learn的API来实现模型并进行训练，这个包大大方便了我们的学习过程，其中包含了对常用算法的实现，并进行高度优化，以及含有数据预处理、调参和模型评估的很多方法。我们来看一个之前看过的实例，不过这次我们使用sklearn来训练一个感知器模型，数据集还是Iris，使用其中两维度的特征，样本数据使用三个类别的全部150个样本%matplotlib inlineimpo...
从零开始：如何用Python训练一个AI模型（超详细教程）
最新发布
2401_85375186的博客
03-18 1546
AI“大模型”是相对于传统AI模型而言的，指的是参数规模大、学习能力强的模型。它们拥有强大的数据处理和推理能力，能够应对复杂任务。例如，GPT系列模型不仅可以完成写作任务，还能实现编程、回答问题等多种功能，表现得更加“聪明”。深度学习（）是基于“神经网络”的机器学习方法，特别擅长从复杂数据中提取特征并作出精准预测。如果线性回归是“单核处理器”，那么深度学习就是“多核加速器”。它模拟人脑的神经元，用层层堆叠的“神经网络”来处理数据。换句话说，深度学习就是“开挂的人脑仿真”。输入层。
【机器学习】太香啦！只需一行Python代码就可以自动完成模型训练！
fengdu78的博客
05-20 1290
自动化机器学习(Auto-ML)是指数据科学模型开发的管道组件自动化。AutoML 减少了数据科学家的工作量并加快了工作流程。AutoML 可用于自动化各种管道组件，包括数据理解，EDA，...
通过TensorFLow进行线性模型训练
theVicTory的博客
07-10 1254
1、相关概念 例如要从一个线性分布的途中抽象出其y=kx+b的分布规律 特征是输入变量，即简单线性回归中的 x 变量。简单的机器学习项目可能会使用单个特征，而比较复杂的机器学习项目可能会使用数百万个特征。 标签是我们要预测的事物，即简单线性回归中的 y 变量。 样本是指具体的数据实例。有标签样本是指具有{特征,标签}的数据，用于训练模型，总结规律。无标签样本只具有特征的数据x，通过模型...
Python 模型训练：逻辑回归、KNN、朴素贝叶斯、LDA、支持向量机、GBDT、决策树
AcWare 学习笔记
12-12 4950
常用的分类预测模型：逻辑回归、KNN、朴素贝叶斯、LDA、SVC、GBDT、决策树
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 2134
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...
AdaBoost.M1 算法原理与python实现：弱模型到强模型——机器学习笔记之集成学习PartⅡ
qq_45259021的博客
07-30 893
导航简介AdaBoost.M1算法步骤Python应用举例AdaBoost.M1算法原理的进一步推导一 简介之前文章的思路是建立并列的一系列树构成“投票委员会”提高结果的准确性，集成学习的另一个策略是将一系列具有顺序相关的弱模型组成一个强模型，而不会有过拟合的问题。从弱模型到强模型的常见集成学习法有提升法（Boosting）和梯度提升树（Gradient Boosted Decision Tree,GBDT）等。本文主要介绍AdaBoost.M1提升算法。
帮我写一个python 训练模型
weixin_42605397的博客
12-26 237
好的，我会尽力帮助您。 首先，训练模型需要有一个数据集和一个模型。您需要准备好这两个东西，然后您就可以使用 Python 来训练模型了。 假设您已经有了一个名为 X 的数据集和一个名为 model 的模型，那么您可以使用以下代码来训练模型： model.fit(X) 这行代码会使用数据集 X 来训练模型。 注意，上面的代码仅仅是一个简单的示例，在实际使用中，您可能需要调整一些参数，例如训练的轮数...
sklearn的分类器的模型训练和调用
12-03
调用sklearn生成的分类器的python代码，其中包括1. 数据的加载以及处理、数据的划分、 降维、数据标准化、 模型训练、保存模型和调用模型
python训练模型_Python 10 训练模型
weixin_39679718的博客
11-21 159
原文：https://www.cnblogs.com/denny402/p/7520063.html原文：https://www.jianshu.com/p/84f72791806f1、下载mnist数据集地址：http://yann.lecun.com/exdb/mnist/下面这四个都要下载，下载完成后，解压到同一个目录，我是解压到“E:/fashion_mnist/”这个目录里面，好和下面的...
Python中的模型训练：TensorFlow和PyTorch
AI天才研究院
07-24 1696
作者：禅与计算机程序设计艺术 1.简介 随着深度学习技术的兴起，在Python中应用深度学习模型进行开发已经成为一个热门话题。本文将从计算机视觉和自然语言处理两个方面对深度学习框架TensorFlow和PyTorch做一个全面的比较和分析。并结合实际案例和项目经验，为读者提供最实用的解决方案。
python模型训练_python模型训练与预测练习
weixin_39886172的博客
12-09 2766
python模型训练与预测练习发布时间：2018-03-09 17:49,浏览次数：368, 标签：python我是照着YouTube上的机器学习视频做的，视频里讲的比较简洁，下来自己做遇到不少坑。tensorflow forpoets网站：https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/index.html...
Python 10 训练模型
weixin_30519071的博客
07-19 605
原文：https://www.cnblogs.com/denny402/p/7520063.html 原文：https://www.jianshu.com/p/84f72791806f 原文：https://blog.csdn.net/lee813/article/details/89609691 1、下载fashion-mnist数据集 　　地址：https://g...
Python_pytorch(五)模型训练
HANGANG的博客
02-17 549
【代码】Python_pytorch(五)模型训练。
图片+TXT文本标签数据划分为训练集，验证集和测试集代码
qq_42753716的博客
11-04 1446
图片+TXT文本标签数据划分为训练集，验证集和测试集代码
Python实现机器学习模型的训练
带你成为别人眼中的大佬！
05-07 1006
而机器学习模型的训练是机器学习过程的核心环节之一，本文将介绍如何使用Python实现机器学习模型的训练。在进行机器学习模型的训练之前，需要准备相应的数据集。数据集是指用于训练和测试模型的数据样本集合，在这里我们以鸢尾花数据集为例，该数据集包含150个样本，每个样本有4个属性。通过以上步骤，我们就完成了使用Python实现机器学习模型的训练过程，其中主要包括数据集准备、模型选择、模型训练、模型评估和模型预测。最后，我们可以使用训练好的模型对新的数据进行预测。模型选择完成后，我们需要使用数据集对模型进行训练。
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