手把脚教你实现第一个在线预测系统No.21

本来呢,最近看了人类简史,想写一篇偏见相关的,思路还没整理好不好放出来,先写个技术的吧。最近真是忙成狗,搬职场,找房子租,参加各种各样的会议,还有开发任务,做屁屁踢,接下来架构的规划,知识储备。

可是毕竟我也不想跳票的嘛。T_T

说实话。

时间还是蛮充裕的,啊哈哈哈哈哈哈!!!!!!!

突然想起上一篇忘了开原创忘了开赞赏而且忘了放二维码,现在心塞塞塞塞塞的,大家点个赞或者分享一下我会很开心的。

今天就用比较主流的架构,来简单实现这个在线预测系统,来完全打消小伙伴们对机器学习的恐惧感,它不难,但是我从没说过它很简单。

整套代码核心的代码不超过10行,相信我,就算你完全不会任何数学,也不会对开发造成任何的影响。

当然我之前说过,想要往深了做,要有扎实的数学和英语基础。为什么??因为AI这个技术还是个小BB,还没长大,还要用各种各样的论文来喂它茁壮长大,要是看不懂别人的论文或者无法复现,那咋跟进最新技术进展??

架构是django+scikit-learn,这个在我上一篇已经提到过了,这是最最最简单的实现方式,不服来辩。

敲黑板!!!课前要准备好这些,开发环境环境为ubuntu14.04,不会安装的,问度娘或者谷哥去。
python2.7,pip,django,scikit-learn,pandas,numpy,Pycharm,。

好,随便找个目录,哐哐哐输入下面这样django初始化项目的脚本。

django-admin startproject ph_ml_core

好了,项目初始化完了。目录结构长啥样的呢?

看起来特么好多啊,那既然说了很简单了,其实绝大部分我们都不需要去改动。那,有哪些是我们自己要去写的呢?

Advertising.csv是数据文件,QualifiedModel.py是我们核心的业务逻辑代码,view.py是我们的视图,urls.py是django的路由+控制器。

第一步先给我们的系统加一个路径叫predict的玩意,这个就是暴露给http请求的接口,至于咋实现或者啥意思,就是个正则表达式有兴趣的小伙伴自己去看。

urlpatterns = [
url(r'^admin/', admin.site.urls),
url(r'^predict/$', predict),
]

第二步就是写视图了,这个比较掺杂,大致意思就是调用一个模型进行评分,核心的就这一句score = qual.predict()。

没错调模型就是这么简单。

def predict(request):
# 获得请求数据,并转成字典格式。
rowData = eval(request.GET['a'])
# 获得已经训练好的模型
qual = QualifiedModel()
# 直接对新进件的数据进行评分
score = qual.predict(np.array([[rowData['TV'],rowData['Radio'],rowData['Newspaper']]]))
# 组装返回数据
result = {}
result['score'] = score[0]
return HttpResponse(json.dumps(result),content_type='application/json')

第三步,训练模型,就在上一步我们调用了模型,那模型怎么来的呢?肯定是通过我们的训练数据来的。这里使用Lasso,什么是Lasso我这里就不介绍了有必要的话我后面起个文章单独说,现在先自行问度娘去,一个线性模型。

哈什么?你对模型不熟,不会对模型调参?没问题,sklearn都帮咱实现好了,直使用交叉验证,连调参都不用了。交叉验证是什么,就是给它一大堆参数组合,然后我不管,我就要那个训练结果最佳的。

def initModel(self):

    #获取数据
    data = pd.read_csv(os.path.join(os.path.abspath(os.path.dirname(__file__)),'Advertising.csv'))
    #取得特征值
    x = data[['TV','Radio','Newspaper']]
    #取得结果值
    y = data['Sales']
    #通过交叉验证训练得到最佳模型
     model = Lasso()
    alpha_can = np.logspace(-3, 2, 10)
    np.set_printoptions(suppress=True)
    lassoModel = GridSearchCV(model,param_grid={'alpha':alpha_can},cv=5)
    lassoModel.fit(x_train,y_train)

第四步,调用试试看吖。

http://127.0.0.1:8000/predict/?a={"TV": 65, "Newspaper": 15, "Radio": 30}
返回:{"score": 11.328439830355411}
http://127.0.0.1:8000/predict/?a={"V": 29, "Newspaper": 15, "Radio": 30}
返回:{"score": 9.6539587774368592}

到这里,我们所有的功能都已经实现完了。是不是非常简单?其实我们很多时候害怕一个东西是因为这个东西不熟悉,就像我之前说的,做做做,做起来,慢慢你就不怕了。

在这里我要说一个事实,智商是不可逾越的,这句话还真有可能是正确的。让一个智商普通的人去突破物理学的界限,这显然,不太可能会实现,只能说P(突破物理界限|已知是一个智商普通的人)很低,我这里说的智商是思维能力,并不是指什么什么智商测试的结果。但是也是很明显的,很多人都是日复一日做着一样的事情,被各种各样的会议,各种各样的繁琐的事情,禁锢了自己的思维,也禁锢了自己的潜力,都没到开始拼智商的时候好吗??

到现在还有人说开发工程师是一个要求很高的职业,其实这个职业的要求真心不算高,任何一个经过系统培训的小白,都能按照老师教的结果哐哐哐写出一些"业务逻辑",但要是止步于此不去做任何的思考,不理解为什么是这样做,那你的上限也就这样了。

凡事问三层,"为什么这样就有这样的效果呢"?可能会有不同的结果。

但是呢,在你跟别人讨论或者请教的时候,自己还是要先有料,自己做足各种各样的研究,准备好各种各样的资料,再去开始请教,可能会比较。不然我就会说一句乔布斯回答别人经常说的话---"it is complicated",没错,那我只能告诉你,这很复杂。

当然付费的一般就不存在这个问题,比如老师啊,培训师啊,各种网红的收费栏目啊,就不存在这个问题。为什么呢,因为你做了其他的努力去赚取这个付费的款项,也算是做足准备了吖。

好了,后台回复 第一只 ,获取这次的小玩具,大家一起愉快地玩耍吧。要是分享给其他小伙伴我会很开心的。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,491评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,856评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,745评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,196评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,073评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,112评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,531评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,215评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,485评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,578评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,356评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,215评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,583评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,898评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,497评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,697评论 2 335

推荐阅读更多精彩内容