sgn函数的四种基本形式（零起点Python机器学习快速入门-8-5-批量调用机器学习）

这篇文章主要是对一种用于评估多种机器学习模型在联合循环电厂（CCPP）数据集上性能的系统进行了描述。代码的主要功能包括数据读取、模型批量处理、函数定义等。

系统概述：

本文介绍了一种智能系统，该系统能够在联合循环电厂（CCPP）数据集上评估和比较多种机器学习模型的性能。该系统通过一系列步骤，实现了对模型的批量训练、预测和评估。

数据读取部分：

系统首先通过定义的函数读取CCPP数据集的训练集和测试集。数据集包括特征数据和目标变量数据，系统对目标变量进行了缩放和取整处理。

模型批量处理部分：

系统通过另一个函数实现了模型的批量处理。该函数接收一个模型标识列表，以及训练集和测试集数据。对于列表中的每个模型标识，系统调用特定的函数进行模型的训练、预测和评估，并记录每个模型处理的时间。

函数定义部分：

系统中定义了多个函数，包括数据读取函数、模型处理函数等。这些函数用于实现系统的各项功能。

详细步骤：

1. 通过导入必要的模块和自定义模块，为系统的运行做好准备。

2. 定义两个模型标识列表，包含不同的机器学习模型标识。

3. 定义文件路径前缀，用于后续读取数据集文件。

4. 调用数据读取函数，读取CCPP数据集的训练集和测试集。

5. 遍历模型标识列表，对每个模型标识进行以下操作：

记录当前时间

调用模型处理函数，进行模型的训练、预测和评估

计算并打印模型处理的时间

6. 打印提示信息，表示处理完成。

运行脚本 'D:/zwPython/zwrk/4_Python机器学习入门快速教程/zai405_mx_02.py'，工作目录设置为 'D:/zwPython/zwrk/4_Python机器学习入门快速教程'。已重新加载模块：zsys、cpuinfo、ztools、ztools_str、ztools_web、ztools_data、ztop_ai、zpd_talib、tfb_sys、tfb_tools、tfb_strategy 和 tfb 表格测试数据。数据集的路径如下：

文件路径：1 dat/ccpp_xtrain.csv，dat/ccpp_xtest.csv，dat/ccpp_ytrain.csv 和 dat/ccpp_ytest.csv。

对于模型训练结果：

接下来是模型训练结果列表：对于 line 模型，准确率达到了 99.96%，运行时间为非常短的 0.01 秒，持续时间是训练结果清晰的速度快的见证；log模型执行时出现一些数据转换警告并展示了改进的一些方法和建议；在增加迭代次数或缩放数据后，可能会出现收敛警告。在调整参数或更改求解器后可能会解决问题。针对 bayes 和 knn 模型也有类似的准确率和运行时间信息。其他模型如 forest 和 svm 也表现出较高的准确率。对于多层感知器（mlp）和 mlpreg 模型，也收到了类似的数据转换警告提示，表明需要调整数据的形状以满足模型的需求。“ok!” 表示一切准备就绪，准备就绪的操作无误结束的信息反馈已经进行完成传递下去开始进行下一作的步骤操作要求对方继续进行下一流程，一些重要的操作已经完成，可以进行下一步的工作了。