首页 文章详情

建了一个网站,用决策树挑选西瓜!

机器学习算法与Python实战 | 117 2021-12-18 20:57 0 0 0
UniSMS (合一短信)

↓↓↓点击关注,回复资料,10个G的惊喜

在机器学习领域,有一个很有名气的西瓜--周志华老师的《机器学习》,很多同学选择这本书入门,都曾有被西瓜支配的恐惧我写文章的时候也特别喜欢用西瓜数据集,以它为例手算+可视化讲解过XGBoost,自认非常通俗易懂。

最近我介绍了决策树的可视化,还有可以快速实现机器学习web应用的神器——streamlit。今天我们就把它们结合起来,用机器学习帮华强挑西瓜!仅供娱乐,希望大家可以学到一些新姿势。

项目已发布,欢迎大家试玩
https://share.streamlit.io/tjxj/watermelon-prediction/main/app.py

规矩,先看效果图(GIF刷新有点慢,请耐心等待)

使用方法

第一步,左侧先选择西瓜外观

第二步,选择决策树的模型参数

第三步,看结果

如果是好瓜,页面弹出的就是笑眯眯的图片~
如果是坏瓜,页面显示的是后果很严重的图片

实现方式

注:篇幅原因,仅贴出核心代码
完整代码我放到了网页里,需要可以copy走

data.py

主要是原始数据的处理,inputData方法实现输入外观变量值的标签编码。

def inputData():
    st.sidebar.subheader("请选择西瓜外观:sunglasses:")
    color = st.sidebar.selectbox("色泽", ("青绿""乌黑""浅白"))
    root = st.sidebar.selectbox("根蒂", ("蜷缩""稍蜷""硬挺"))
    knocks = st.sidebar.selectbox("敲击", ("浊响""沉闷""清脆"))
    texture = st.sidebar.selectbox("纹理", ("清晰""稍糊""模糊"))
    navel = st.sidebar.selectbox("脐部", ("凹陷""稍凹""平坦"))
    touch = st.sidebar.selectbox("触感", ("硬滑""软粘"))
    input = [[color, root, knocks, texture, navel, touch]]
    features = ["color""root""knocks""texture""navel""touch"]
    np.array(input).reshape(1, 6)
    df_input = pd.DataFrame(input, columns=features, index=None)

    for feature in features[0:6]:
        le = joblib.load("./models/" + feature + "_LabelEncoder.model")
        df_input[feature] = le.transform(df_input[feature])

    return df_input

训练模型

这一块很简单,就不多解释了。注:数据量太小就不整交叉验证了

def dt_param_selector():
    st.sidebar.subheader("请选择模型参数:sunglasses:")
    criterion = st.sidebar.selectbox("criterion", ["gini""entropy"])
    max_depth = st.sidebar.number_input("max_depth", 1, 50, 5, 1)
    min_samples_split = st.sidebar.number_input(
        "min_samples_split", 1, 20, 2, 1)
    max_features = st.sidebar.selectbox(
        "max_features", [None, "auto""sqrt""log2"])

    params = {
        "criterion": criterion,
        "max_depth": max_depth,
        "min_samples_split": min_samples_split,
        "max_features": max_features,
    }

    model = DecisionTreeClassifier(**params)
    df = dataPreprocessing()
    X, y = df[df.columns[:-1]], df["label"]
    model.fit(X, y)
    return model
def predictor():
    df_input = inputData()
    model = dt_param_selector()
    y_pred = model.predict(df_input)
    if y_pred == 1:
        goodwatermelon = Image.open("./pics/good.png")
        st.image(goodwatermelon,width=705,use_column_width= True)
        st.markdown("<center>🍉🍉🍉这瓜甚甜,买一个🍉🍉🍉</center>", unsafe_allow_html=True)
    else:
        file_ = open("./pics/bad2.gif""rb")
        contents = file_.read()
        data_url = base64.b64encode(contents).decode("utf-8")
        file_.close()

        st.markdown(
            f'<img src="data:image/gif;base64,{data_url}" width="100%">',
            unsafe_allow_html=True,
        )
        st.markdown('<center>🔪🔪🔪这瓜不甜,买不得🔪🔪🔪</center>', unsafe_allow_html=True)
    return y_pred,model

决策树可视化

决策树可视化和插入网页我用decisionTreeVizsvg_write实现,可惜目前仅本地模式正常,发布后报错,尚未解决。

def decisionTreeViz():
    df,le = getDataSet()
    X, y = df[df.columns[:-1]], df["label"]
    clf = joblib.load('..\watermelonClassifier.pkl')
    viz = dtreeviz(clf, 
                X, 
                y,
                orientation="LR",
                target_name='label',
                feature_names=df.columns[:-1],
                class_names=["good","bad"]
                )  
                
    return viz

def svg_write(svg, center=True):
    """
    Disable center to left-margin align like other objects.
    "
""
    # Encode as base 64
    b64 = base64.b64encode(svg.encode("utf-8")).decode("utf-8")

    # Add some CSS on top
    css_justify = "center" if center else "left"
    css = f'<p style="text-align:center; display: flex; justify-content: {css_justify};">'
    html = f'{css}<img src="data:image/svg+xml;base64,{b64}"/>'

    # Write the HTML
    st.write(html, unsafe_allow_html=True)

streamlit

过程就不说了,就把调用的streamlit API列一下吧

st.title
st.write
st.code
st.table
st.markdown
st.sidebar
st.expander
st.code
st.image
st.pyplot

以上API具体用途大家可以查一查https://docs.streamlit.io/library/api-reference

TODO

  • 增加更多模型
  • dtreeviz决策树可视化bug
    决策树可视化依赖graphviz,在localhost:8501下预览可以显示,发布到streamlit.io就不行了。
  • GIF 不适配手机屏幕
  • 移动端预测坏瓜页面刷新bug


以上问题,如有兴趣,欢迎贡献代码。

推荐阅读

  1. 决策树可视化,被惊艳到了!
  2. 开发机器学习APP,太简单了
  3. 周志华教授:关于深度学习的一点思考
  4. 200 道经典机器学习面试题总结
  5. 卷积神经网络(CNN)数学原理解析


如有收获,欢迎三连👇

good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter