Wine Quality

🚀 葡萄酒质量分类

本项目是一个使用Scikit - learn构建的葡萄酒质量分类模型示例，借助Hugging Face Hub存储和加载模型。它能帮助用户快速上手使用Scikit - learn的管道（Pipeline）进行机器学习任务，通过简单的代码实现模型的加载、数据的获取、预测和评估。

🚀 快速开始

如何使用

加载模型

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`

从本仓库获取样本数据

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])

进行预测

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

评估模型

model.score(X, Y)
# 0.6616635397123202

🍷 免责声明

训练此模型时很遗憾没有喝红酒 🍷 。