- feature & label
- 머신러닝 모델에 입력 데이터를 전달하고 결과를 받아 출력.
import json
input_payload = json.dumps({
'data': X_train[0:2].values.tolist(),
'method': 'predict'
})
output = service.run(input_payload)
print(output)
-
import json: JSON (JavaScript Object Notation) 모듈을 가져오는 구문입니다. JSON은 데이터를 교환하는 데 사용되는 경량 텍스트 데이터 형식입니다.
-
input_payload = json.dumps({ ... }): 이 부분에서는 Python 딕셔너리를 JSON 형식의 문자열로 변환하여 input_payload 변수에 저장합니다. 이 딕셔너리는 두 가지 키를 가집니다: data와 method. data는 X_train 데이터셋에서 처음 두 개의 값을 리스트 형태로 가져옵니다. method 키에는 'predict'라는 값이 할당되어 있습니다.
-
output = service.run(input_payload): 이 부분에서는 input_payload를 service.run() 함수에 전달합니다. 이 함수는 일반적으로 머신러닝 서비스를 호출하는 데 사용되며, 서비스는 전달된 데이터를 사용하여 예측을 수행한 다음 결과를 반환합니다. 반환된 결과는 output 변수에 저장됩니다.
-
print(output): 마지막으로, 예측 결과인 output을 출력합니다.
X_train 데이터셋의 처음 두 개의 값을 머신러닝 서비스에 전달하여 예측을 수행하고 그 결과를 출력.
x1 = np.arange(-2, 2, 0.01)
x2 = np.arange(-2, 2, 0.01)
bias = 0.7
y = (0.6 * x1 - bias) / -0.5
plt.axvline(x=0)
plt.axhline(y=0)
plt.plot(x1, y, 'r--')
plt.scatter(0,0,color='black',marker='o',s=150)
plt.scatter(0,1,color='black',marker='o',s=150)
plt.scatter(1,0,color='black',marker='o',s=150)
plt.scatter(1,1,color='orange',marker='^',s=150)
plt.xlim(-0.5,1.5)
plt.ylim(-0.5,1.5)
plt.grid()
plt.show()
