如何在你的iPhone上建立第一个机器学习模型

#Splitting data into messages and labels and training and testsms_data = np.array(sms_data)X = sms_data[:, 1]y = sms_data[:, 0]

#Build a LinearSVC modelfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.svm import LinearSVC

#Build tf-idf vector representation of datavectorizer = TfidfVectorizer()vectorized_text = vectorizer.fit_transform(X)text_clf = LinearSVC()text_clf = text_clf.fit(vectorized_text, y)

我们的模型建立好了，让我们用一份垃圾短信测试一下：

#Test the modelprint text_clf.predict(vectorizer.transform(["""XXXMobileMovieClub: To use your credit, click the WAP link in the next txt message or click here>> http://wap. xxxmobilemovieclub.com?n=QJKGIGHJJGCBL"""]))

有趣，我们的模型效不雅很好!让我们添加交叉验证：

#Cross - Validationfrom sklearn.model_selection import cross_val_scorecross_score = cross_val_score(text_clf, vectorized_text, y, cv=10)print cross_scoreprint "mean:",np.mean(cross_score) 
如今已建好模型，为使它实用于CoreML，我们须要把它转换成.mlmodel格局。用之前安装的coremltools对象包来实现。以下代码能将我们的模型转换成.mlmodel格局。  
import coremltools  
#convert to coreml model  
coreml_model = coremltools.converters.sklearn.convert(text_clf, "message", "spam_or_not")  
#set parameters of the model 
coreml_model.short_description = "Classify whether message is spam or not"  
coreml_model.input_description["message"] = "TFIDF of message to be classified"  
coreml_model.output_description["spam_or_not"] = "Whether message is spam or not"  
#save the model  
coreml_model.save("SpamMessageClassifier.mlmodel")

这是若何运作的呢?

起首我们应用coremltools Python对象包。再选择一个转换器对模型进行转换，本例顶用converters.sklearn，因为要转换的模型是用sklearn对象建立的。然后在.convert()括号内声明模型对象、输入变量名称、输出变量名称。接下来设置模型参数来添加更多关于输入、输出的信息，最后用.save()保存已转换成CoreML格局的模型文件。

如安在你的iPhone上建立第一个机械进修模型

双击模型文件，会用Xcode打开。

如安在你的iPhone上建立第一个机械进修模型

如你所见，该模型文件显示了很多信息，关于模型的类型、它的输入、输出，输入输出的类械寥。我已在上图顶用红色标记。你可以将这些描述和转换成.mlmodel时所供给的一一比较。

3/7 首页上一页 1 2 3 4 5 6 下一页尾页

　　推荐阅读

　　告诉你安全领域云计算“做得了”和“做不了”的事

如今的┞封个IT时代，有一些用户对于安然问题并不是太关怀，切实其实，安排安然办法并不克不及带来营业的增长，只能是当做对于营业风险的防备，为了防止出问题才必不得已去应用。很多的企>>>详细阅读

本文标题：如何在你的iPhone上建立第一个机器学习模型

地址：http://www.17bianji.com/lsqh/37900.html

1/2 1