python日常操作-经过mysql导入抉择树

要将决策树模型导入MySQL中，需要完成以下几个步骤：

1. 将训练好的决策树模型保存为pkl文件。

import pickle

# 假设训练好的决策树模型为dt_model
with open('dt_model.pkl', 'wb') as f:
    pickle.dump(dt_model, f)

1. 创建MySQL表来存储决策树模型。

CREATE TABLE decision_tree_model (
  id INT PRIMARY KEY,
  model BLOB
);

1. 将pkl文件中的模型序列化为二进制格式，并将其插入到MySQL表中。

import mysql.connector

# 假设MySQL连接参数为host、user、password、database
cnx = mysql.connector.connect(host='localhost',
                              user='user',
                              password='password',
                              database='database')
cursor = cnx.cursor()

# 读取pkl文件中的模型
with open('dt_model.pkl', 'rb') as f:
    model_binary = f.read()

# 将模型插入到MySQL表中
query = "INSERT INTO decision_tree_model (id, model) VALUES (1, %s)"
cursor.execute(query, (model_binary,))
cnx.commit()

cursor.close()
cnx.close()

1. 从MySQL中读取决策树模型，并进行预测。

import mysql.connector
import pickle

# 假设MySQL连接参数为host、user、password、database
cnx = mysql.connector.connect(host='localhost',
                              user='user',
                              password='password',
                              database='database')
cursor = cnx.cursor()

# 从MySQL表中读取模型
query = "SELECT model FROM decision_tree_model WHERE id = 1"
cursor.execute(query)
model_binary = cursor.fetchone()[0]

# 反序列化模型
dt_model = pickle.loads(model_binary)

# 进行预测
X_test = [[...], [...], ...]  # 测试数据集
y_predict = dt_model.predict(X_test)

cursor.close()
cnx.close()