利用TDD思想学写机器学习代码

学习一门新技术的最好方法就是找一个需求然后用新技术实现一把。最近想试试Python的机器学习库，就想到了下面这个需求：

根据我从家里的出发时间和历史数据，预估我到达公司的时间。

要一下子实现这个需求并不容易，TDD教育我们要从最简单的测试用例开始，小步渐进地实现最终的需求。

最简单的测试是什么呢？我想应该是在没有任何历史数据积累的情况下，预估不出到达公司的时间，Python代码如下：

class EstArrivalTimeTest(unittest.TestCase):

    def no_data_no_result(self):
        eta = EstArrivalTime()
        self.assertEqual(None, eta.of(
            {
                "departedHour": 7,
                "departedMin": 10 
            }
        ))

其实影响到公司时间的因素很多，比如今天是礼拜几、是下雨天还是晴天、我是坐公交车还是共享单车去地铁站等等，TDD教育我们先完成再完美，所以输入参数我只选择了从家里出发的时间。运行测试，失败，写出下面的代码让测试通过：

class EstArrivalTime:
    
    def of(self, input):
        return None

下一个最简单的测试是什么呢？我想到了有一条历史数据的情况，比如昨天我7:10分从家里出发，8:30到公司，如果今天我也是7:10分出发，那么预计到达公司的时间也是8:30，就是需要80分钟的时间才能到公司，测试代码如下：

    def one_data_simple_result(self):
        eta = EstArrivalTime()
        eta.learnFrom([
            {
             "departedHour": 7, 
             "departedMin": 10, 
             "estMinutes": 80
            }
        ])
        self.assertEqual(80, eta.of({
            "departedHour": 7,
            "departedMinute": 10}))

返回值类型是估计到达公司所需要的分钟数，怎么才能让这个测试通过了，可以先用最简单的线性回归模型，代码如下：

from sklearn.linear_model import LinearRegression
import numpy as np

class EstArrivalTime:
    X = []
    Y = []
    model = None

    def learnFrom(self, data):
        
        for record in data:
            self.X.append([
                record['departedHour'], 
                record['departedMinute']])

            self.Y.append(record['estMinutes'])
            
            self.model = LinearRegression()
            self.model.fit(self.X, self.Y)
    
    def of(self, input):
        if (self.model):
            y_fit = self.model.predict([[
                input['departedHour'], 
                input['departMinute']]])
            return y_fit[0]
        return None

其中X存储的是我从家里出发的所有历史时间（特征数据），Y存储的是相对应的我到达公司所需的所有历史分钟数（标注数据）。运行一下测试，幸运通过！精通机器学习注定是一个长期学习和积累的过程，希望这是一个良好的开端。