Ph 및 Brix 모델 및 데이터 예측¶

Sklearn 으로 예측한 모델을 활용한 예측¶

In [1]:

from model.snoopers import loading_dataset
file_name = './data/BrixTDSphDataSet_over.csv'
table = loading_dataset(file_name)
table.head(3)

Out[1]:

	b	greenbean name	fin time	fin bean tem	brix	tds	ph	time/temperature
0	81	에디오피아 예가체프 G2 81	174	197	1.601	1.2808	4.940	0.883249
1	71	에디오피아 예가체프 G2 71	196	207	1.601	1.2808	4.934	0.946860
2	82	에디오피아 예가체프 G2 82	200	187	1.607	1.2856	4.934	1.069519

In [2]:

file1 = "./model/predict_ph.model"
file2 = "./model/predict_brix.model"
from model.snoopers import loading_model
model_brix, model_ph = loading_model(file1, file2)

feacture : -1.0892247354198625
bias : 6.989671895125806
LinearRegression() Pipeline(steps=[('polynomial', PolynomialFeatures(degree=5)),
                ('modal', LinearRegression())])

In [3]:

%matplotlib inline
from model.snoopers import predict_model
table_predict = predict_model(table, model_ph, model_brix)
table_predict.head(3)

R2 Score : 0.8667100746914103
MSE Score : 0.001352366822621339
RMSE Score : 0.03677454041346185

R2 Score : 0.8998287880365746
MSE Score : 0.0013400321517410725
RMSE Score : 0.03660644959212888

Out[3]:

	b	greenbean name	fin time	fin bean tem	brix	tds	ph	time/temperature	ph_predict	brix_predict	tds_predict
0	81	에디오피아 예가체프 G2 81	174	197	1.601	1.2808	4.940	0.883249	4.913951	1.608902	1.287121
1	71	에디오피아 예가체프 G2 71	196	207	1.601	1.2808	4.934	0.946860	4.935368	1.615437	1.292350
2	82	에디오피아 예가체프 G2 82	200	187	1.607	1.2856	4.934	1.069519	4.961284	1.615437	1.292350

In [ ]:

# CSV 파일로 저장하기
file_csv = 'ph_brix.csv'
table_predict.to_csv(file_csv, index=None)
print(f"결과값을 {file_csv} 파일로 저장하였습니다.")