Download script_python.py from Hiroshi99/Model_SN_GitHub: direct link, hf CLI and curl.
- Browser
- Download file 1.64 kB
-
https://huggingface.co/Hiroshi99/Model_SN_GitHub/resolve/main/script_python.py
- Command line
-
hf download hf://Hiroshi99/Model_SN_GitHub/script_python.py
-
curl -L -o script_python.py https://huggingface.co/Hiroshi99/Model_SN_GitHub/resolve/main/script_python.py
1.64 kB
| import joblib | |
| from sklearn.linear_model import LogisticRegression | |
| import numpy as np | |
| def train_and_save_model(): | |
| """ | |
| Entraîne un modèle simple sur des données factices et le sauvegarde. | |
| """ | |
| print("Début de l'entraînement...") | |
| # Données factices : [taille, poids] -> 0 (chat), 1 (chien) | |
| X = np.array([[10, 2], [12, 3], [40, 10], [45, 12]]) | |
| y = np.array([0, 0, 1, 1]) | |
| # Création et entraînement du modèle | |
| model = LogisticRegression() | |
| model.fit(X, y) | |
| # Sauvegarde du modèle dans un fichier | |
| model_filename = 'simple_model.joblib' | |
| joblib.dump(model, model_filename) | |
| print(f"Modèle entraîné et sauvegardé sous le nom : {model_filename}") | |
| return model_filename | |
| def predict(model_path, data): | |
| """ | |
| Charge un modèle et fait une prédiction. | |
| """ | |
| try: | |
| # Chargement du modèle | |
| model = joblib.load(model_path) | |
| print(f"Modèle chargé depuis {model_path}") | |
| # Prédiction | |
| prediction = model.predict(data) | |
| print(f"Prédiction pour les données {data} : {prediction}") | |
| return prediction | |
| except FileNotFoundError: | |
| print(f"Erreur : Le fichier du modèle '{model_path}' n'a pas été trouvé.") | |
| return None | |
| # --- Point d'entrée du script --- | |
| if __name__ == '__main__': | |
| # 1. Entraîner et sauvegarder le modèle | |
| saved_model_path = train_and_save_model() | |
| # 2. Utiliser le modèle pour faire une prédiction | |
| if saved_model_path: | |
| # Données de test (par exemple, un animal de [50, 15]) | |
| new_data = np.array([[50, 15]]) | |
| predict(saved_model_path, new_data) |