Wine Quality

🚀 葡萄酒質量分類

本項目是一個使用Scikit - learn構建的葡萄酒質量分類模型示例，藉助Hugging Face Hub存儲和加載模型。它能幫助用戶快速上手使用Scikit - learn的管道（Pipeline）進行機器學習任務，通過簡單的代碼實現模型的加載、數據的獲取、預測和評估。

🚀 快速開始

如何使用

加載模型

from huggingface_hub import hf_hub_url, cached_download
import joblib
import pandas as pd

REPO_ID = "julien-c/wine-quality"
FILENAME = "sklearn_model.joblib"


model = joblib.load(cached_download(
    hf_hub_url(REPO_ID, FILENAME)
))

# model is a `sklearn.pipeline.Pipeline`

從本倉庫獲取樣本數據

data_file = cached_download(
    hf_hub_url(REPO_ID, "winequality-red.csv")
)
winedf = pd.read_csv(data_file, sep=";")


X = winedf.drop(["quality"], axis=1)
Y = winedf["quality"]

print(X[:3])

進行預測

labels = model.predict(X[:3])
# [5, 5, 5]

評估模型

model.score(X, Y)
# 0.6616635397123202

🍷 免責聲明

訓練此模型時很遺憾沒有喝紅酒 🍷 。