建一个网站，用机器学习挑西瓜_决策树

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"> https://share.streamlit.io/tjxj/watermelon-prediction/main/app.py


老规矩，先看效果图（GIF刷新有点慢，请耐心等待）

建一个网站，用机器学习挑西瓜_决策树_02建一个网站，用机器学习挑西瓜_html_03

使用方法

第一步，左侧先选择西瓜外观

建一个网站，用机器学习挑西瓜_html_04

第二步，选择决策树的模型参数

建一个网站，用机器学习挑西瓜_决策树_05

第三步，看结果

建一个网站，用机器学习挑西瓜_html_06如果是好瓜，页面弹出的就是笑眯眯的图片

建一个网站，用机器学习挑西瓜_决策树_07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

建一个网站，用机器学习挑西瓜_ide_08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

更多文章请关注《万象专栏》