木兰湾的预测模型算法，基于sklearn的机器学习 .zip

# mulanbay-sklearn #### 介绍 木兰湾的预测模型算法，基于sklearn的机器学习。 本项目通过sklearn训练出pmml格式的模型文件，在java端通过jpmml调用pmml文件进行预测数据。 Java端项目参见:https://gitee.com/mulanbay/mulanbay-server #### 所用技术 | 核心依赖 | 版本 | |--------- | ------ | | Python | 3.11.4 | | sklearn | 1.2.2 | | pandas | 2.0.2 | | sklearn2pmml | 0.93.0 | #### 项目结构 ``` lua mulanbay-sklearn ├── datasets -- 数据集(csv文件) ├── model -- 训练出的模型(pmml文件) ├── train -- 算法代码 ├── utils -- 公共配置 ``` #### 项目运行与部署 ``` Step 1: 创建自己的训练数据集 有两种方式： （1）根据datasets下面的csv文件模板自己模拟数据 （2）通过datasets下面的data_export.sql中的语句在MySQL客户端导出csv文件 机器学习训练数据比较重要，我提供的都是模拟数据，供参考使用。 如果想和木兰湾系统整个结合起来，需要自己在木兰湾系统中录入数据，然后通过方式二从数据库导出数据，这样才有意义。 Step 2: 训练模型 选择train目录下的python文件执行进行训练，自己可以修改参数或者算法，最终会导出pmml文件。 Step 3：验证模型 在mulanbay-server项目的子工程mulanbay-ai项目中，选择test目录下的测试案例，进行测试。 Step 4：更新模型 进入运行起来的木兰湾项目，进入VUE版本PC端，在"AI关联-模型配置管理"功能中更新或发布新的算法模型 Step 5：用木兰湾项目验证 在"资金管理-预算管理-进度统计"功能中，选择预测，验证模型 ``` #### 参考/集成项目 * sklearn官网：[sklearn](https://scikit-learn.org/stable/index.html) * sklearn中文社区：[sklearn中文](https://scikit-learn.org.cn/) * PMML文件导出：[sklearn2pmml](https://github.com/jpmml/sklearn2pmml) * B站学习资料：[菜菜的机器学习sklearn](https://www.bilibili.com/video/BV1vJ41187hk/)