机器学习基本上是人工智能的一个子集，它使用以前存在的数据对新数据进行预测。当然，现在我们都知道这个道理了！这篇文章展示了如何根据作为Java代码一部分的Python开发的机器学习模型进行预测。本文假定您熟悉基本的开发技术并了解机器学习。我们将从训练我们的模型开始，然后用Python制作机器学习模型。我以洪水预报模型为例。首先，导入以下库：importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt成功导入这些库后，我们需要导入数据集，如下面的代码所示。为了预测洪水，我使用了河流水位数据集。fromgoogle.colabimportfilesuploaded=files.upload()forfninuploaded.keys():print('用户上传的文件“{name}”，长度为{length}字节'.format(name=fn,length=len(uploaded[fn])))如果没有选择文件，选择上传的文件。只有在当前浏览器会话中执行单元格时，上传小部件才可用。请重新运行此模块，上传HoppersCrossing-Hourly-River-Level.csv文件，大小为2207036字节。完成后，我们可以使用sklearn库来训练我们的模型。为此，我们首先需要导入库和算法模型，如图1所示。图1：训练模型fromsklearn.linear_modelimportLinearRegressionregressor=LinearRegression()regressor.fit(X_train,y_train)完成后，我们已经训练了我们的模型，现在可以进行预测，如图2所示。图2：使用Java中的ML模型进行预测我们现在需要做的是将ML模型转换为Java程序可以使用的模型。有一个叫sklearn2pmml的库可以帮我们做到这一点：！我们现在可以在Java代码中使用生成的model.pmml文件来进行预测。请试一试！（LCTT译注：Java中有一个第三方库jpmml/jpmml-evaluator，可以帮助你使用生成的model.pmml进行预测。）
