機械学習: Python による予測

機械学習は基本的に、既存のデータを使用して新しいデータについて予測を行う人工知能のサブセットです。

もちろん、私たちは皆、今ではこれを知っています!この投稿では、Python で開発された機械学習モデルを Java コードの一部として使用して予測を行う方法を説明します。

この記事では、読者が基本的な開発スキルに精通しており、機械学習を理解していることを前提としています。まずモデルをトレーニングし、次に Python で機械学習モデルを作成します。

洪水予測モデルを例に挙げてみましょう。まず、次のライブラリをインポートします。

 pandasをpd としてインポートする
numpyをnp としてインポートする
matplotlib.pyplot をplt としてインポートします

これらのライブラリを正常にインポートしたら、次のコードに示すようにデータセットを入力する必要があります。洪水を予測するために、河川レベルのデータセットを使用しています。

 Google .colab からファイルをインポートする
アップロード= ファイル. アップロード()
 アップロードされたキー() 内のfn の場合:
 print ( 'ユーザーが長さ {length} バイトのファイル "{name}" をアップロードしました' . format ( name = fn , length = len ( uploaded [ fn ])))

ファイルが選択されていない場合は、アップロードするファイルを選択します。

アップロード ウィジェットは、セルが現在のブラウザ セッションで実行されている場合にのみ使用できます。このユニットを再実行し、2207036 バイトのファイル​Hoppers Crossing-Hourly-River-Level.csv​をアップロードしてください。

完了したら、 ​sklearn​ライブラリを使用してモデルをトレーニングできます。これを行うには、まず図 1 に示すように、ライブラリとアルゴリズム モデルをインポートする必要があります。

図1: モデルのトレーニング

 sklearn.linear_model からLinearRegression をインポートします
回帰子= 線形回帰()
 回帰変数. fit ( X_train , y_train )

完了すると、モデルのトレーニングが完了し、図 2 に示すように予測を行うことができます。

図2: 予測を行う

Java での ML モデルの使用

ここで必要なのは、ML モデルを Java プログラムで使用できるモデルに変換することです。これを実現するのに役立つ​sklearn2pmml​​​​​ というライブラリがあります。

 # ライブラリをインストールする
pip でsklearn2pmml をインストールします

ライブラリがインストールされると、トレーニング済みのモデルを変換できます。

 sklearn2pmml ( パイプライン、 'model.pmml ' 、 with_repr = True )

それでおしまい！これで、生成された​model.pmml​​​​​ ファイルを Java コードで使用して予測を行うことができます。ぜひお試しください！

（LCTT翻訳注：Java jpmml/jpmml-evaluator​​にはサードパーティのライブラリがあり、生成された​model.pmml​​​を使用して予測を行うのに役立ちます。）