如何部署机器学习模型以使用多个特征数据进行预测答案

【问题标题】：How to deploy machine learning model to predict with multiple feature data如何部署机器学习模型以使用多个特征数据进行预测
【发布时间】：2019-11-19 00:51:22
【问题描述】：

我有一个训练有素的机器学习模型需要部署。它使用多个特征进行训练，但是如何使用该模型来预测多个特征数据。例如我需要使用这些特征数据来预测结果

input = [46.8,11,7,0.686563,6.540829e-08,1.133174e-09]

我使用了以下代码，但似乎 predict() 仅适用于单个特征数据。

from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict([46.8,11,7,0.686563,6.540829e-08,1.133174e-09])

【问题讨论】：

结果如何？你有什么错误吗？而且，如果你训练模型只有一个特征，你当然不能用多个特征部署它......
你是如何训练模型的？你能详细说明一下吗？

标签： python machine-learning predict

【解决方案1】：

我认为您需要创建一个 numpy 功能数组，然后将其传递给 model.predict 即

import numpy as np
from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict(np.asarray([46.8,11,7,0.686563,6.540829e-08,1.133174e-09]))

或者你可以试试这个：

import numpy as np
from sklearn.externals import joblib
model = joblib.load('SVM_LINEAR')
model.predict([[46.8,11,7,0.686563,6.540829e-08,1.133174e-09]])

【讨论】：