Skip to main content
 首页 » 编程设计

python之线性回归

2024年12月31日7JustinYoung

程序:

import pandas as pd 
 
ds=pd.read_csv('Animals.csv') 
 
x=ds.iloc[:,1].values 
y=ds.iloc[:,2].values 
 
from sklearn.model_selection import train_test_split 
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=0) 
x_train = x_train.reshape(-1, 1) 
y_train = y_train.reshape(-1,1) 
 
from sklearn.linear_model import LinearRegression as lr 
reg=lr() 
reg.fit(x_train,y_train) 
 
y_pred=reg.predict(x_test) 

y_pred = array([[433.34494686], 
                [433.20384407], 
                [418.6791427 ], 
                [433.34789435], 
                [407.49640802], 
                [432.25311216]]) 
 
y_test = array([[ 119.5], 
                [ 157. ], 
                [5712. ], 
                [  56. ], 
                [  50. ], 
                [ 680. ]]) 

为什么预测不完美? 数据集是否有任何问题或它可能是什么? 我是机器学习的新手 提前致谢

请您参考如下方法:

嗯,这实际上取决于您要预测的内容以及您拥有的特征是否是很好的预测指标。因此,即使您只是简单地尝试使用 LR,如果您的目标变量可以通过特征来解释,您应该获得一些合理的准确性指标。

查看您的 y_test,您应该考虑移除异常值,这可能会提高模型的准确性。

您可能还想尝试一些更有效的回归变量,例如 RandomForestRegressor或 SupportVectorRegressor .