机器学习建模 ​

概览 ​

机器学习通过算法分析数据，进行分类和回归预测，例如股价预测、垃圾邮件分类、信用评分、医疗诊断等。我们可使用DataInterpreter生产此类算法代码，对数据进行建模，完成预测任务。

示例：酒品分类 ​

任务 ​

我们以sklearn的酒类识别数据集为例说明如何使用DataInterpreter进行机器学习建模。这是一个经典的多分类数据集，数据集内有色泽、化学成分等的若干特征，可据此对样本的酒品类别进行预测。我们要求DataInterpreter获取数据，切分训练和验证集，训练模型，并在验证集上进行预测

代码 ​

python examples/di/machine_learning.py

python examples/di/machine_learning.py

运行结果 ​

示例: 销售额预测 ​

任务 ​

我们以沃尔玛销售额预测数据集为例说明如何使用DataInterpreter进行销售额预测建模。数据集内有train.csv、test.csv、feature.csv、store.csv共计四张表，我们要求DataInterpreter获取数据，拼接数据，切分训练和验证集，训练模型，并在测试集上进行预测。

代码 ​

python examples/di/machine_learning.py --use_case sales_forecast

python examples/di/machine_learning.py --use_case sales_forecast

运行结果 ​

机制解释 ​

DataInterpreter根据我们的需求做出计划，形成若干任务并依次执行，最终完成需求。DataInterpreter生成的完整代码将存储在data/output路径下

延伸 ​

对更复杂机器学习任务的针对性处理，请参考使用工具进行机器学习建模