DFFML Scratch Models

关于

在没有机器学习框架的情况下创建的模型。

安装

$ python3 -m pip install --user dffml-model-scratch

使用方法

如果我们有一个包含多年工作经验和该职业工资（以千为单位）的数据集，我们可以使用简单线性回归模型来预测给定工作经验的工资（或反之亦然）。

首先，我们创建包含数据集的文件。然后我们训练模型，获取其准确率。然后使用echo将新的csv文件数据通过管道传入模型，它将给出工资的预测。

$ cat > dataset.csv << EOF
Years,Salary
1,40
2,50
3,60
4,70
5,80
EOF
$ dffml train -model scratchslr -model-features Years:int:1 -model-predict Salary -model-directory tempdir -sources f=csv -source-filename dataset.csv -source-readonly -log debug
$ dffml accuracy -model scratchslr -model-features Years:int:1 -model-predict Salary -model-directory tempdir -sources f=csv -source-filename dataset.csv -source-readonly -log debug
1.0
$ echo -e 'Years,Salary\n6,0\n' | dffml predict all -model scratchslr -model-features Years:int:1 -model-predict Salary -model-directory tempdir -sources f=csv -source-filename /dev/stdin -source-readonly -log debug
[
    {
        "extra": {},
        "features": {
            "Salary": 0,
            "Years": 6
        },
        "last_updated": "2019-07-19T09:46:45Z",
        "prediction": {
            "confidence": 1.0,
            "value": 90.0
        },
        "key": "0"
    }
]

许可证

Scratch Models在MIT许可证的条款下分发。