时间戳

首页 > 解决方案 > 如何让 SK Learn 分类器接受二维数组作为预测的输入？

python - 如何让 SK Learn 分类器接受二维数组作为预测的输入？

问题描述

因此，我制作了一个混合数据类型的模型，并使用 SK Learn Docs 中的推荐示例，使用列转换器构建分类器。

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

由于输入来自 csv，并被转换为 Pandas 数据帧，因此看起来 X_test、X_train、y_test、y_train 也是数据帧。将 y_test 传递给 clf.predict() 函数工作正常，我收到了预测。

但是我想托管这个模型谷歌云机器学习引擎，它在预测请求 API 中接受一个 2D 实例数组。如何让我的分类器适应并接受输入数组而不是数据框？我意识到这可能相当微不足道，但很难找到解决方案。

标签： pythonmachine-learningscikit-learngoogle-cloud-ml

解决方案

要使您的分类器与 Google Cloud Machine Learning Engine (CMLE) 兼容，您需要从管道中分离出预处理器和 LogisticRegression 分类器。您将需要执行预处理逻辑客户端，并且独立分类器将托管在 CMLE 上。

读取 csv 文件并定义数字和分类转换器后，您需要修改训练代码，如下所示：

...

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)])
model = LogisticRegression(solver='lbfgs')

X_train_transformed = preprocessor.fit_transform(X_train)
model.fit(X_train_transformed, y_train)
print("model score: %.3f" % model.score(preprocessor.transform(X_test), y_test))

您可以导出模型（使用 pickle 或 joblib）并将其部署在 CMLE 上。在构建对 CMLE 进行预测的 json 请求时，您首先需要使用以下方法将数据帧预处理为 2D 数组：preprocessor.transform(X_test).

推荐阅读