手把脚教你实现第一个在线预测系统No.21

本来呢，最近看了人类简史，想写一篇偏见相关的，思路还没整理好不好放出来，先写个技术的吧。最近真是忙成狗，搬职场，找房子租，参加各种各样的会议，还有开发任务，做屁屁踢，接下来架构的规划，知识储备。

可是毕竟我也不想跳票的嘛。T_T

说实话。

时间还是蛮充裕的，啊哈哈哈哈哈哈！！！！！！！

突然想起上一篇忘了开原创忘了开赞赏而且忘了放二维码，现在心塞塞塞塞塞的，大家点个赞或者分享一下我会很开心的。

今天就用比较主流的架构，来简单实现这个在线预测系统，来完全打消小伙伴们对机器学习的恐惧感，它不难，但是我从没说过它很简单。

整套代码核心的代码不超过10行，相信我，就算你完全不会任何数学，也不会对开发造成任何的影响。

当然我之前说过，想要往深了做，要有扎实的数学和英语基础。为什么？？因为AI这个技术还是个小BB，还没长大，还要用各种各样的论文来喂它茁壮长大，要是看不懂别人的论文或者无法复现，那咋跟进最新技术进展？？

架构是django+scikit-learn，这个在我上一篇已经提到过了，这是最最最简单的实现方式，不服来辩。

敲黑板！！！课前要准备好这些，开发环境环境为ubuntu14.04，不会安装的，问度娘或者谷哥去。

python2.7,pip,django,scikit-learn,pandas,numpy,Pycharm,。

好，随便找个目录，哐哐哐输入下面这样django初始化项目的脚本。

django-admin startproject ph_ml_core

好了，项目初始化完了。目录结构长啥样的呢？

看起来特么好多啊，那既然说了很简单了，其实绝大部分我们都不需要去改动。那，有哪些是我们自己要去写的呢？

Advertising.csv是数据文件，QualifiedModel.py是我们核心的业务逻辑代码，view.py是我们的视图,urls.py是django的路由+控制器。

第一步先给我们的系统加一个路径叫predict的玩意，这个就是暴露给http请求的接口，至于咋实现或者啥意思，就是个正则表达式有兴趣的小伙伴自己去看。

urlpatterns = [
    url(r'^admin/', admin.site.urls),
    url(r'^predict/$', predict),
]

第二步就是写视图了，这个比较掺杂，大致意思就是调用一个模型进行评分，核心的就这一句score = qual.predict()。

没错调模型就是这么简单。

def predict(request):
    # 获得请求数据，并转成字典格式。

    rowData = eval(request.GET['a'])
    # 获得已经训练好的模型

    qual = QualifiedModel()
    # 直接对新进件的数据进行评分
    score = qual.predict(np.array([[rowData['TV'],rowData['Radio'],rowData['Newspaper']]]))
    # 组装返回数据

    result = {}
    result['score'] = score[0]
    return HttpResponse(json.dumps(result),content_type='application/json')

第三步，训练模型，就在上一步我们调用了模型，那模型怎么来的呢？肯定是通过我们的训练数据来的。这里使用Lasso，什么是Lasso我这里就不介绍了有必要的话我后面起个文章单独说，现在先自行问度娘去，一个线性模型。

哈什么？你对模型不熟，不会对模型调参？没问题，sklearn都帮咱实现好了，直使用交叉验证，连调参都不用了。交叉验证是什么，就是给它一大堆参数组合，然后我不管，我就要那个训练结果最佳的。

    def initModel(self):


        #获取数据
        data = pd.read_csv(os.path.join(os.path.abspath(os.path.dirname(__file__)),'Advertising.csv'))
        #取得特征值

        x = data[['TV','Radio','Newspaper']]
        #取得结果值
        y = data['Sales']
        #通过交叉验证训练得到最佳模型

         model = Lasso()
        alpha_can = np.logspace(-3, 2, 10)
        np.set_printoptions(suppress=True)
        lassoModel = GridSearchCV(model,param_grid={'alpha':alpha_can},cv=5)
        lassoModel.fit(x_train,y_train)

第四步，调用试试看吖。

http://127.0.0.1:8000/predict/?a={"TV": 65, "Newspaper": 15, "Radio": 30}

返回：{"score": 11.328439830355411}

http://127.0.0.1:8000/predict/?a={"V": 29, "Newspaper": 15, "Radio": 30}

返回：{"score": 9.6539587774368592}

到这里，我们所有的功能都已经实现完了。是不是非常简单？其实我们很多时候害怕一个东西是因为这个东西不熟悉，就像我之前说的，做做做，做起来，慢慢你就不怕了。

在这里我要说一个事实，智商是不可逾越的，这句话还真有可能是正确的。让一个智商普通的人去突破物理学的界限，这显然，不太可能会实现，只能说P(突破物理界限|已知是一个智商普通的人)很低，我这里说的智商是思维能力，并不是指什么什么智商测试的结果。但是也是很明显的，很多人都是日复一日做着一样的事情，被各种各样的会议，各种各样的繁琐的事情，禁锢了自己的思维，也禁锢了自己的潜力，都没到开始拼智商的时候好吗？？

到现在还有人说开发工程师是一个要求很高的职业，其实这个职业的要求真心不算高，任何一个经过系统培训的小白，都能按照老师教的结果哐哐哐写出一些"业务逻辑"，但要是止步于此不去做任何的思考，不理解为什么是这样做，那你的上限也就这样了。

凡事问三层，"为什么这样就有这样的效果呢"？可能会有不同的结果。

但是呢，在你跟别人讨论或者请教的时候，自己还是要先有料，自己做足各种各样的研究，准备好各种各样的资料，再去开始请教，可能会比较。不然我就会说一句乔布斯回答别人经常说的话---"it is complicated"，没错，那我只能告诉你，这很复杂。

当然付费的一般就不存在这个问题，比如老师啊，培训师啊，各种网红的收费栏目啊，就不存在这个问题。为什么呢，因为你做了其他的努力去赚取这个付费的款项，也算是做足准备了吖。

获取这次的小玩具：

http://pan.baidu.com/s/1o8bmDmi 提取码：a4ww，

大家一起愉快地玩耍吧。要是分享给其他小伙伴我会很开心的。