2023-06-30 19:13:26 +02:00
|
|
|
import tensorflow as tf
|
|
|
|
|
import pandas as pd
|
|
|
|
|
|
|
|
|
|
# Wczytanie danych
|
2023-06-30 20:46:01 +02:00
|
|
|
data = pd.read_csv('data/winemag-data_first150k.csv')
|
2023-06-30 19:13:26 +02:00
|
|
|
|
|
|
|
|
# Przygotowanie danych wejściowych
|
|
|
|
|
input_data = data[['price', 'points']] # Wejście modelu (kolumny 'price' i 'points')
|
|
|
|
|
|
|
|
|
|
# Wczytanie wytrenowanego modelu
|
|
|
|
|
model = tf.keras.models.load_model('trained_model_tf.h5')
|
|
|
|
|
|
|
|
|
|
# Dokonanie predykcji na danych
|
|
|
|
|
predictions = model.predict(input_data)
|
|
|
|
|
|
|
|
|
|
# Zapisanie wyników predykcji do pliku CSV
|
|
|
|
|
output_df = pd.DataFrame(predictions, columns=['predicted_price'])
|
|
|
|
|
output_df.to_csv('predictions.csv', index=False)
|
