python - 如何部署机器学习模型以使用多个特征数据进行预测
问题描述
我有一个训练有素的机器学习模型需要部署。它使用多个特征进行训练,但是如何使用该模型来预测多个特征数据。例如我需要使用这些特征数据来预测结果
input = [46.8,11,7,0.686563,6.540829e-08,1.133174e-09]
我使用了以下代码,但似乎 predict() 仅适用于单个特征数据。
from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict([46.8,11,7,0.686563,6.540829e-08,1.133174e-09])
解决方案
我认为您需要制作一个 numpy 功能数组,然后将其传递到model.predict
ie
import numpy as np
from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict(np.asarray([46.8,11,7,0.686563,6.540829e-08,1.133174e-09]))
或者你可以试试这个:
import numpy as np
from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict([[46.8,11,7,0.686563,6.540829e-08,1.133174e-09]])
推荐阅读
- android - 为旧版 Android Studio 导出项目
- javascript - 如何用 lodash 重新组织对象数组?
- html - Flextable:在数据框中使用上标
- android - 在 FFMPEG 中使用 concat demuxer 连接视频已完成,但视频在第二个视频中丢失?
- angular - 用 ngfor 和数字填充 mat-table 中的单元格
- python - Siamese network,下半部分使用dense layer而不是euclidean distance layer
- google-app-engine - 无法使用来自 github 的云构建在应用引擎上部署应用
- clojure - 使用 Overtone 从磁盘读取声音文件?
- javascript - 如何以角度获取当地时间
- certificate - 使用 RSA 签署 DTLSv1.0 证书验证消息的内容