AI를 사용하여 테스트 실행 출력 (SQL 출력)을 분석하여 회귀 제품군을 설계하는 방법은 무엇입니까?

스콧

현재 SQL 보고서를 실행하여 테스트 실행 출력을 추출하여 테스트가 얼마나 성공적 이었는지 검토 한 다음 회귀 제품군에 추가 할 테스트를 교육적으로 추측 할 수 있습니다.

그러나 누군가가 모든 데이터를 검토하고 특정 가정을해야하므로 시간이 많이 걸립니다.

나는 대신 인공 지능을 사용하여 데이터를 살펴볼 가능성을 조사하는 임무를 맡았으며 누군가이 이것을 시도했는지 그리고 어떻게 구현했는지 알고 싶습니다.

표트르 카모 다

이것이 가능할지 확실하지 않지만 기본 Python의 scikit-learn을 사용할 수 있습니다.

다음과 같이 간단합니다.

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.neural_network import MLPClassifier
from sklearn.pipeline import Pipeline
import pandas as pd
####DATA PREP##
data = pd.read_csv('filepath')
#Forgot the target xD
# target = pd.read_csv('target_data_filepath')
target = data.target #If target is in data
other_data = pd.read_csv('filepath_other')
###MAKE MODEL##
tfidf_vect = TfidfVectorizer()
mpl_class = MLPClassifier()
pipe = Pipeline([('Tfidf Vectorizer', tfidf_vect),('MLP Classifier', mlp_class)]
pipe.fit(data, target) #remove target from data beforehand if applies
####PREDICT###
pipe.predict(other_data)

data 개별 항목의 텍스트, 단일 레코드 당 전체 출력

target 사전에 찾은 것입니다. 어딘가에 포함되어야하는지 여부

other_data 당신이 테스트하고 싶은 것입니다

그러나 위의 내용은 모형 일 뿐이며 모든 메서드 이름이 정확하다는 보장은 없습니다. 읽으 려면 scikit-learn의 doku를 따르십시오 . Packt에서 Python으로 기계 학습 시스템 구축 과 같은 상당히 비싸지 만 방대한 책 과이 machinelearningmastery.com과 같은 많은 다른 무료 블로그를 참조하십시오.

이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.

침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제

에서 수정
0

몇 마디 만하겠습니다

0리뷰
로그인참여 후 검토

관련 기사

Related 관련 기사

뜨겁다태그

보관