如何在 python 中使用真实数据测试机器学习模型答案

【问题标题】：How to test machine learning model with real data in python如何在 python 中使用真实数据测试机器学习模型
【发布时间】：2018-05-17 07:07:11
【问题描述】：

我是机器学习和 python 的新手。我在 python 中创建了一个简单的线性回归模型。我可以测试我的模型的准确性，但仅限于我的数据集中的数据，我的数据集是一个 csv 文件，其中包含薪水和工作年限之间的关系。但我想在实际生活中使用它。就像我将输入多年的经验，输出将是预测的薪水。这是我到目前为止所做的事情

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Salary_Data.csv')
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, 1].values

# Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 1/3, random_state = 0)

# Feature Scaling
"""from sklearn.preprocessing import StandardScaler
sc_X = StandardScaler()
X_train = sc_X.fit_transform(X_train)
X_test = sc_X.transform(X_test)
sc_y = StandardScaler()
y_train = sc_y.fit_transform(y_train)"""

# Fitting Simple Linear Regression to the Training set
from sklearn.linear_model import LinearRegression
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# Predicting the Test set results
y_pred = regressor.predict(X_test)

我想以这样的方式修改上面的代码，我可以输入多年经验，输出期望薪水。

提前致谢。

【问题讨论】：

regressor.predict([years_of_experience])

标签： python machine-learning

【解决方案1】：

训练模型后，将模型保存到文件中并稍后加载以进行预测。在 Python 中，您可以使用 'pickle' 来实现此目的。

参考资料：

scikit-learn Model Persistence

save and load machine learning models, an example

【讨论】：

【解决方案2】：

您可以使用经过训练的模型进行预测。正如前面提到的答案，你会想要使用

regressor.predict([years_of_xp])

这将要求您的模型根据 years_of_xp 年的经验来预测某人将获得的薪水。

【讨论】：