iOS11 新特性-Core ML (二)手把手教你生成 Core ML 模型

    上篇文章中我们介绍了Core ML 操作的前提是有已经训练好的模型，模型文件后缀为mlmodel, 那么怎么获取模型文件呢，我们可以借助苹果提供的 模型转换工具coremltools
以下篇幅，我们将使用 scikit-learn 中的线性回归模型 转换为 mlmodel模型。

    本文假设你已经安装了 python, scikit-learn, coremltools库。

    我们的案例是根据房屋的面积(为了简便，采用一个特征)，预测房屋的价格。

    第一步：数据准备：

        我们准备了如下数据（图一），Square_Feet 表示房屋的面积，Price表示价格，将数据保存为csv文件。

          （图一）假想数据    

     第二步：编写python脚本加载数据并生成mlmodel模型：

1.         导入需要的库：
   
   
2.        加载保存的csv文件：
   
   
3.      生成 scikit-lean 模型：
   
   
4.     转换模型为 Core ML 格式：
   
   
5.     修改 Core ML 模型文件的元数据及输入输出描述：
   
   
6.      保存 生成的 模型：
   
   
   

        此时 我们可以在数据目录下看到生成的模型文件：

将生成的 模型文件导入到项目中，我们可以查看模型的信息：

     

本文只展示了scikit-learn 下的 一元线性回归模型的生成及转换，其他库的类似，生成模型的代码已经上传到GitHub,

下一篇我们展示 如何在项目中使用生成的模型