Tabular Classification

Wine Quality classification

简单的使用示例

灵感来自 Saptashwa Bhattacharyya 的 https://towardsdatascience.com/a-simple-example-of-pipeline-in-machine-learning-with-scikit-learn-e726ffbb6976

如何使用

from huggingface_hub import hf_hub_url, cached_download
import joblib
import pandas as pd

REPO_ID = "julien-c/wine-quality"
FILENAME = "sklearn_model.joblib"


model = joblib.load(cached_download(
    hf_hub_url(REPO_ID, FILENAME)
))

# model is a `sklearn.pipeline.Pipeline`

从此获取示例数据

data_file = cached_download(
    hf_hub_url(REPO_ID, "winequality-red.csv")
)
winedf = pd.read_csv(data_file, sep=";")


X = winedf.drop(["quality"], axis=1)
Y = winedf["quality"]

print(X[:3])

	fixed acidity	volatile acidity	citric acid	residual sugar	chlorides	free sulfur dioxide	total sulfur dioxide	density	pH	sulphates	alcohol
0	7.4	0.7	0	1.9	0.076	11	34	0.9978	3.51	0.56	9.4
1	7.8	0.88	0	2.6	0.098	25	67	0.9968	3.2	0.68	9.8
2	7.8	0.76	0.04	2.3	0.092	15	54	0.997	3.26	0.65	9.8

得到你的预测

labels = model.predict(X[:3])
# [5, 5, 5]

model.score(X, Y)
# 0.6616635397123202

Tabular Classification浏览人数已经达到979，如你需要查询该站的相关权重信息，可以点击"5118数据""爱站数据""Chinaz数据"进入；以目前的网站数据参考，建议大家请以爱站数据为准，更多网站价值评估因素如：Tabular Classification的访问速度、搜索引擎收录以及索引量、用户体验等；当然要评估一个站的价值，最主要还是需要根据您自身的需求以及需要，一些确切的数据则需要找Tabular Classification的站长进行洽谈提供。如该站的IP、PV、跳出率等！

特别声明

本站Ai导航提供的Tabular Classification都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由Ai导航实际控制，在2021年5月6日上午12:57收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，Ai导航不承担任何责任。

Ai导航致力于优质、实用的网络站点资源收集与分享！本文地址https://www.ainavpro.com/sites/2699.html转载请注明

desertdev/autotrain-imdb-sentiment-analysis-44994113085