scikit学习LinearRegression字符串预测值
scikit-learn是一个流行的机器学习库，提供了丰富的机器学习算法和工具，包括线性回归（Linear Regression）。线性回归是一种用于建立线性关系模型的统计分析方法，用于预测一个连续型目标变量（因变量）与一个或多个自变量之间的关系。
在scikit-learn中，使用LinearRegression类可以实现线性回归模型的训练和预测。具体步骤如下：
- 导入必要的库和模块：
from sklearn.linear_model import LinearRegression- 准备训练数据和目标变量：
X_train = [[x1], [x2], ..., [xn]] # 自变量的训练数据
y_train = [y1, y2, ..., yn] # 目标变量的训练数据- 创建并训练线性回归模型：
model = LinearRegression() # 创建线性回归模型对象
model.fit(X_train, y_train) # 使用训练数据拟合模型- 进行预测：
X_test = [[x1], [x2], ..., [xm]] # 自变量的测试数据
y_pred = model.predict(X_test) # 使用模型进行预测线性回归模型的预测结果y_pred是一个预测值的数组。
线性回归模型的优势在于简单、易于理解和实现。它可以用于解决许多实际问题，如房价预测、销售预测、股票价格预测等。
腾讯云提供了多个与机器学习和人工智能相关的产品和服务，其中包括腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）和腾讯云人工智能开放平台（https://cloud.tencent.com/product/tcailab），您可以在这些平台上找到更多关于机器学习和线性回归的相关资源和产品。
相关·内容
我正在使用scikit-learn进行基本的机器学习
import pandas as pd
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler,PolynomialFeatures
from sklearn.linear_model import LinearRegression
X = df[['floors', 'waterfront','lat' ,'bedrooms&
浏览 1提问于2020-08-12得票数 0
我正在学习一本ML教科书:用scikit掌握机器学习--学习，虽然我的代码给了我正确的答案，但它与书中的内容不匹配。
首先，它给了我这个代码：
import matplotlib.pyplot as plt
X = [[6], [8], [10], [14], [18]]
y = [[7], [9], [13], [17.5], [18]]
plt.figure()
plt.title('Pizza price plotted against diameter')
plt.xlabel('Diameter in inches')
plt.ylabel(
浏览 2提问于2016-04-13得票数 2
回答已采纳
在我实例化一个scikit模型(例如LinearRegression)之后，如果我多次调用它的fit()方法(使用不同的X和y数据)，会发生什么？它是否适合数据上的模型，就像我只是重新实例化模型(即从头开始)一样，还是将之前调用fit()时已经拟合的数据保存到帐户中
尝试使用LinearRegression (也查看它的源代码)，在我看来，每次我调用fit()时，它都是从头开始的，忽略了之前对同一方法的任何调用的结果。我想知道这是否在一般情况下是正确的，我可以依赖于所有scikit学习的模型/管道的行为。
浏览 2提问于2018-04-15得票数 51
回答已采纳
1回答
回归链中基估计的属性
、、、、
我正在使用RegressorChain在Scikit学习中解决多输出回归问题，但是在对模型进行拟合之后，我需要检索拟合的模型库分类器来访问估计器属性。我试图访问RegerssorChain中的基估计器的属性，但是我做不到。
下面是我为此使用的代码。
linreg = LinearRegression()
wrapper=RegressorChain(linreg)
fit_model=wrapper.fit(X_train, y_train)
base_estimator_para=RegressorChain.get_params(fit_model, deep=True)
bas
浏览 0提问于2020-09-20得票数 0
回答已采纳
我正在尝试使用scikit学习线性回归器对熊猫数据帧进行简单的线性回归。我的数据是一个时间序列，pandas数据框有一个日期时间索引：
value
2007-01-01 0.771305
2007-02-01 0.256628
2008-01-01 0.670920
2008-02-01 0.098047
做一些简单的事情，比如
from sklearn import linear_model
lr = linear_model.LinearRegression()
lr(data.index, data['value'
浏览 0提问于2015-04-20得票数 16
回答已采纳
1回答
我正在尝试使用来自scikit的LinearRegression来拟合线性模型。从预测函数中，我得到了一个点估计预测值，但我需要一个可能值的分布，其中预测的点值可能是高斯的平均值。我想知道是否有一种方法可以从任何scikit模型中获得这样的发行版。我检查了方差得分，但找不到将其映射到方差的方法。请帮帮忙。
浏览 0提问于2016-03-19得票数 2
我正在尝试学习scikit (线性回归)。
我是通过pip install -U scikit-learn安装的，我用的是Python2.7和Ubuntu13.04
当我尝试运行那里的第一行代码时，我得到了一个错误，并且每次我试图使用scikit-learn运行任何东西时都会发生错误。
import pylab as pl
import numpy as np
from sklearn import datasets, linear_model
# Load the diabetes dataset
diabetes = datasets.load_diabetes()
我得到了以下信息：
浏览 1提问于2013-05-25得票数 19
回答已采纳
1回答
我需要做一个线性回归和总结所有的预测。也许这不是对Scikit学习的问题，而是对于NumPy的问题，因为我在最后得到了一个数组，并且我无法将它转换为一个浮点。
df
rank Sales
0 1 18000
1 2 17780
2 3 17870
3 4 17672
4 5 17556
x = df['rank'].to_numpy()
y = df['Sales'].to_numpy()
X = x.reshape(-1,1)
regression = LinearRegression().fit(X, y)
浏览 4提问于2022-06-10得票数 1
回答已采纳
我是新的科学知识学习和尝试拟合一个简单的线性回归模型。我有一个矩阵X，它包含两个列，c1和c1^2，并且我有相应的y值。我试着用scikit学习来拟合一个简单的OLS模型，但最终得到的是一个奇怪的情节。对我做错了什么有什么想法吗？
X = np.array([[ -0.016746535778021, 0.280446460564527],
[-0.014577470749242, 0.212502653445002],
[0.034515758657299, 1.191337595688933],
[-0.047010075743201, 2.209947221
浏览 6提问于2022-02-10得票数 0
回答已采纳
1回答
我开始学习ML，在评估/发现回归和分类模型的准确性方面存在一些问题。到目前为止，我在这两种情况下都使用了.score()，但人们告诉我，这不是准确性。然后我试着用这个：
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.metrics import mean_squared_error
var_train, var_test, res_train, res_test = train_test_split(variables,
浏览 0提问于2019-06-17得票数 -1
2回答
我正在进行一个逐步的模型选择，逐步降低变量的方差通货膨胀因子超过一定的阈值。
为了做到这一点，我在几百MB到10G的数据集中运行了很多次OLS。
对于较大的数据集，OLS最快的实现是什么？Statsmodel OLS实现似乎是使用numpy来反演矩阵。基于梯度下降的方法会更快吗？科学知识有一个特别快的实现吗？
或者使用pymc的mcmc方法是最快的.
更新1:似乎scikit学习了LinearRegression的实现是for实现的包装器。
更新2:在我非常有限的测试中，通过scikit学习LinearRegression的学习OLS速度是状态模型OLS的两倍。
浏览 4提问于2014-07-01得票数 4
回答已采纳
import pandas as pd
import numpy as np
from sklearn import linear_model
df = pd.read_csv('https://raw.githubusercontent.com/codebasics/py/master/ML/1_linear_reg/Exercise/canada_per_capita_income.csv')
reg = linear_model.LinearRegression()
reg.fit( df[['year']], df['per capita
浏览 13提问于2022-06-23得票数 0
1回答
我有一个问题，关于两个不同的方法，从不同的图书馆，似乎做同样的工作。我试图建立线性回归模型。
下面是我在OLS中使用状态模型库的代码：
X_train, X_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size=0.3, random_state=1)
x_train = sm.add_constant(X_train)
model = sm.OLS(y_train, x_train)
results = model.fit()
print "GFT + Wiki / GT R-squa
浏览 0提问于2015-04-16得票数 1
我试图使用Scikit learn的LineaerRegression类执行插值，但结果似乎是错误的。其思想是使用多项式拟合，其次数等于观察值的数量减一。这将使linearRegression估计器产生插值。但是，LinearRegression没有给出插值解决方案。 完整代码： import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures
# D
浏览 23提问于2020-01-23得票数 2
在使用scikit时，是否可以限制每个样本的最大预测值？在我的输入数据中，有一列(“公告”)是这个特定样本的最大值，本例中的"result“是真实值。如何将预测限制在0- $annoucement之间？
下面是一个非常小的代码片段/示例：
#!/usr/bin/env python3
from sklearn.linear_model import LinearRegression
import pandas as pd
from sklearn.model_selection import train_test_split
def main():
mylist = [
浏览 2提问于2018-11-29得票数 1
2回答
线性回归预测的置信区间
、、、
我所使用的数据被用来预测两点之间旅行的时间。数据中约有100次不同的行程和90K次的观测。
我使用的是标准模式：
feature_cols = df_features.columns.drop( [ 'log_duration' ] )
X = df_features[ feature_cols ]
y = df_features.log_duration
X_train, X_test, y_train, y_test = train_test_split( X, y, random_state = 42 )
linreg = L
浏览 0提问于2018-12-01得票数 8
1回答
我发现，在scikit-learn中，无论是线性学习、套索学习还是岭学习都不使用学习率(我们称之为alpha)或迭代次数。
我想知道他们是如何在没有学习率的情况下实现线性回归的，考虑到它是梯度下降的核心？
浏览 3提问于2020-05-15得票数 0
我读过一些关于ML时间序列预测的文献。我有个概念
趋势
季节性
循环式
噪声
我想使用scikit-learn的LinearRegression()作为一个开始来进行预测。如果我做得对，我可以利用一些特性工程来捕捉季节性和周期性，比如day_of_week、month或seasons。不过，我不明白如何在数据中捕捉趋势。它是滞后特性还是列计算差异，而不是总计？
浏览 7提问于2021-05-13得票数 0
我正在尝试使用scikit-learn库进行特性选择。我的数据很简单。行是示例，列是特性。虽然最初的类标签是X和Y，但对于线性回归，我将它们改为数字，X改为0，Y改为1。
G1 G2 G3 ... Gn Class
1.0 4.0 5.0 ... 1.0 0
4.0 5.0 9.0 ... 1.0 0
9.0 6.0 3.0 ... 2.0 1
...
我使用了库sklearn.linear_model.LinearRegression()，它执行得很好。现在，我使用coef_值进行特性选择。在这种情况下，我有两个问题。
使用特性的coef_值正确吗？或者，在LinearRegressi
浏览 3提问于2015-12-10得票数 2
回答已采纳
我想找到每个功能的重要性，在我的数据，使用Scikit学习。
我正在尝试使用它在Scikit学习，而不是使用信息增益通过WEKA软件，提供分数和功能名称在它旁边。
我实现了下一个方法，但我不知道如何替换分数中的排名数字。
例如：
我不想看到：
特征6
特征4
..。
然而，我更倾向于：
0.4专题6
0.233专题4
..。
以下是我的方法：
def _rank_features(self, dataframe, targeted_class):
from sklearn.feature_selection import RFE
from sklearn.lin
浏览 2提问于2016-10-03得票数 0
我使用相同的预测变量组构建了几个不同的线性回归，如下所示：
model=LinearRegression()
model.fit(X=predictor_train,y=target_train)
prediction_train=model.predict(predictor_train)
pred=model.predict(main_frame.iloc[-1:,1:])
为了创建目标变量的预测，我假设Scikit算法创建了一个带有这些“预测变量”的方程。我的问题是:我如何获得这个等式？
浏览 1提问于2016-02-01得票数 4
回答已采纳
1回答
基于机器学习的数值预测
、、、、
我从天真的数字预测开始。这是培训数据
试验数据
我编写了基本的scikit学习代码来进行训练和测试。
import pandas as pd
import pylab as pl
from sklearn import datasets
from sklearn import metrics, linear_model
from sklearn.linear_model import LogisticRegression, LinearRegression, BayesianRidge, OrthogonalMatchingPursuitCV, SGDRegressor
from date
浏览 8提问于2016-12-18得票数 0
1回答
我正在用scikit学习LinearRegression和多项式回归。我生成了2次多项式数据集，并训练了3次多项式模型。我希望用原始数据在剧情中过度拟合。但是这个图看起来不像是一条3度曲线。如果我将度数更改为1，它将显示一条可以接受的线条。这里我漏掉了什么？
# over fit
poly_features_3 = PolynomialFeatures(degree=3, include_bias=False)
X_poly_3 = poly_features_3.fit_transform(X)
lin_reg_3 = LinearRegression()
lin_reg_3.fit(X_p
浏览 0提问于2017-07-09得票数 1
我正在使用交叉验证来评估具有scikit-learn的分类器的性能，并且我想要绘制精度-召回率曲线。我在scikit-learn`s的网站上找到了来绘制PR曲线，但它没有使用交叉验证进行评估。
在使用交叉验证时，如何在scikit学习中绘制精确召回曲线？
我执行了以下操作，但我不确定这是否是正确的方法(psudo代码)：
for each k-fold:
precision, recall, _ = precision_recall_curve(y_test, probs)
mean_precision += precision
mean_recall += recall
浏览 2提问于2014-10-27得票数 7
2回答
我开始从互联网机器学习。关于这个任务，我有一个问题：(我正在使用，ubuntu，Python3.10，PyCharm)：
% matplotlib inline不是为我工作的，为什么，当我评论上面的内容时，我得到了结果：
[52.23767295 47.5274183 ]
/usr/local/lib/python3.10/dist-packages/sklearn/base.py:450: UserWarning: X does not have valid feature names, but LinearRegression was fitted with feature names
浏览 6提问于2022-10-11得票数 -1
1回答
在没有异常类标注数据的情况下，如何评价K均值聚类异常检测方法。为了找到集群(K)，我使用了Scikit学习库的剪影评分。也使用了Scikit学习K-方法。
浏览 0提问于2020-03-17得票数 1
我如何拟合一个KNN来得到k最近的邻居，然后在Scikit学习中使用线性回归(而不是加权平均值)将这些邻居聚合成一个拟合？
我尝试过使用KNeighborsTransformer和LinearRegression创建管道，但这似乎并不是正确的做法。
浏览 0提问于2021-04-25得票数 2
我知道LinearRegression类和scikit-learn的SGDRegressor类都执行线性回归。然而，只有SGDRegressor使用梯度下降作为优化算法。
那么，LinearRegression使用的优化算法是什么，这两个类之间的其他显着差异是什么？
浏览 9提问于2021-03-15得票数 0
回答已采纳
2回答
我对统计学、Python、机器学习和Scikit学习都很陌生。然而，我正在尝试这个项目，我有35列学生数据的CSV。第一列是ID，我想我可以忽略它。最后三栏是一年级、二年级和三年级。我有400排。我想看看我是否能用它学习一些机器学习，并对我所拥有的数据有所了解。现在我了解了Scikit在Numpy数组上的工作，它不处理性(“男性”、“女性”)等分类数据。所以我把所有的30个类别都编成了法典，其中1种是男性，2种是女性，等等。然后，我做了以下工作
X = my_data[:,1:33]
y = my_data[:,34]
from sklearn.linear_model import Line
浏览 4提问于2015-09-03得票数 1
回答已采纳
2回答
向量自回归模型与学习算法的拟合
、、、、
我试图用广义线性模型拟合方法来拟合向量自回归(VAR)模型。线性模型的形式为y= X w，但系统矩阵X有一个非常特殊的结构:它是块对角的，所有的块都是相同的。为了优化性能和内存消耗，模型可以表示为Y = BW，其中B与X是一个块，Y<code>E 213</code>和<code>E 114</code>W<code>E 215</代码>现在是矩阵而不是向量。LinearRegression、Ridge、RidgeCV、Lasso和ElasticNet等类很容易接受后一种模型结构。然而，由于Y是二维的，拟合LassoCV或
浏览 2提问于2013-12-19得票数 13
我看了一下scikit的文档--学习，但我不清楚在VotingClassifier的引擎盖下使用了什么样的分类方法？它是logistic回归，支持向量机，还是一种树方法？
我感兴趣的是如何改变遮罩下使用的分类器方法。如果Scikit-learn没有提供这样的选项，那么是否有一个可以很容易地与scikit集成的python包--学习，它将提供这样的功能？
编辑：
我指的是用于第二个级别模型的分类器方法。我完全知道，第一级分类器可以是任何类型的分类器支持的科学工具包-学习。
第二级分类器使用第一级分类器的预测作为输入。所以我的问题是-这个二级分类器使用什么方法？这是logistic回归吗？还是别的
浏览 0提问于2019-01-15得票数 3
回答已采纳
1回答
我想使用Scikit Learn的一种技术，即ShuffleSplit，用一系列随机测试和训练集对我的线性回归模型进行基准测试。这是建立得很好的，并且对Scikit中的LinearModel非常有效。 from sklearn.linear_model import LinearRegression
LM = LinearRegression()
train_score = LM.score(X[train_index], Y[train_index])
test_score = LM.score(X[test_index], Y[test_index]) 一个人在这里得到的分数只是R²值，
浏览 21提问于2019-04-18得票数 0
回答已采纳
我得到了以下错误，但不确定为什么？ValueError:应为2D数组，而不是1D数组:我使用的数据集是https://catalog.data.gov/dataset/demographic-statistics-by-zip-code-acfc9 我以为一旦它在数据帧中，它就已经转换成矩阵了。尤其是因为绘图数据显示正确。 任何帮助都将不胜感激。 #implmenting KNN in python
import pandas as pd
import numpy as np
import operator
import seaborn as sns
import matplotlib.py
浏览 27提问于2020-06-20得票数 0
回答已采纳
我有一些数据(x_{1},y_{1}), (x_{2},y_{2}), ..., (x_{n},y_{n})，其中x和y都表示实数(浮点数)。我希望使用Scikit学习LinearRegression模型来拟合以下表单的模型：
y_{i} = b_{0} + b_{1}x_i + e_{i}
通常，我知道OLS用于计算参数b_{0}, b_{1}。然而，在我的例子中，我碰巧知道b_{1}=c，所以我只想适应b_{0}。是否有一种方法可以强迫scikit-学习使用b_{1}=c作为斜率比，并且只估计intecept b_0，还是需要一个自定义类？
浏览 0提问于2021-02-25得票数 1
回答已采纳
我正在尝试将一个实现的scikit-学习到OpenCV的几个机器学习算法。首先，你知道有任何具体的问题/文件，我可以找到参数等价吗？
如果不是，在决策树的具体情况下，max_categories of OpenCv是否等同于max_features？
浏览 0提问于2018-08-13得票数 0
回答已采纳
我试图用机器学习在Python中实现Fibonacci序列。我希望我的程序在给定输入后预测下一个5位数。例如，如果我通过[0,1,1]，它将预测并返回[2,3,5,8,13]。但是，我找不到办法来做这个。我的程序目前只能预测下一个数字。是的，我可以对它进行硬编码，用新的输出更新数组，但我不想这样做。我的代码：
#! /usr/bin/python3
from sklearn import svm
from sklearn.linear_model import LinearRegression
features = [
[0,1,1],
[2,3,5],
[8,13,21],
[34
浏览 0提问于2018-08-03得票数 0
回答已采纳
我有一个简单的线性回归模型，我需要计算方差和协方差。如何用线性回归计算方差和协方差？
方差，在机器学习的上下文中，是由于模型对训练集中的小波动的敏感性而产生的一种错误。
from sklearn.linear_model import LinearRegression
import numpy as np
X = np.array([2,3,4,5])
y = np.array([4,3,2,9] )
#train-test split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33, ra
浏览 3提问于2019-09-20得票数 0
回答已采纳
为什么我们需要一个像LogisticRegression中的bfgs这样的求解器，而不是LinearRegression？我们不是有一个像LinearRegression这样的紧密形式吗？
浏览 0提问于2023-05-28得票数 0
1回答
我用下面的代码创建了一个DataFrame： import pandas as pd
from pandas import DataFrame
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
data = pandas.read_csv('cost_revenue_clean_v1.csv')
data.describe()
X = DataFrame(data,columns = ['production_budget_usd']
浏览 18提问于2020-04-28得票数 0
1回答
我有一个玩具数据集，包括一个自变量x和一个因变量y=x。线性回归可以找到正确的截距，0和系数1，但弹性网络总是给出一个非零的截距，通常是系数0。我知道它是正则的，所以它需要更小的系数。但这是一个预期的结果吗？下面是Python/Scikit的代码-学习。
#!/usr/bin/env python
import numpy as np
from sklearn.linear_model import ElasticNet, LinearRegression
X = np.zeros((10, 1))
X[:, 0] = np.random.random(10)
y = X[:, 0]
lr
浏览 3提问于2014-03-30得票数 0
回答已采纳
1回答
我试图从熊猫的数据框架中计算出均方误差。我已经查看了以前关于堆叠溢出的链接，如和scikit学习文档，我希望有人能了解我做错了什么。这是。这是我的密码。
import pandas as pd
import numpy as np
sales = pd.read_csv("home_data.csv")
from sklearn.cross_validation import train_test_split
train_data,test_data = train_test_split(sales,train_size=0.8)
from sklearn.linear_m
浏览 4提问于2015-11-01得票数 4
我收到这个错误：
ValueError: Found input variables with inconsistent numbers of samples: [6, 4]
我的代码：
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import pandas as pd
import matplotlib.pyplot as plt
import num
浏览 2提问于2020-11-11得票数 0
回答已采纳
试着在蟒蛇中学习滑雪。但是jupyter ntbk错误地说："ValueError:预期的2D数组，代替array=750 :使用array.reshape(-1，1) (如果您的数据有单个特性)，或者使用array.reshape(1，-1)，如果它包含一个样本。“*但是我已经用x.values.reshape(-1,1)定义了x为2D数组。
您可以在这里找到CSV文件和错误代码的屏幕截图->
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
impor
浏览 4提问于2020-05-22得票数 0
回答已采纳
2回答
我在python中实现了梯度下降的线性回归。为了了解它做得有多好，我将它与scikit-learn的LinearRegression()类进行了比较。由于某些原因，sklearn的平均性能总是超过我的程序MSE 3(我正在使用波士顿房屋数据集进行测试)。据我所知，我目前没有做梯度检查来检查收敛性，但我允许多次迭代，并且将学习速率设置得足够低，使它能够收敛。我的学习算法实现中有什么明显的缺陷吗？这是我的代码：
import numpy as np
from sklearn.linear_model import LinearRegression
def getWeights(x):
l
浏览 3提问于2014-02-08得票数 4
回答已采纳
2回答
我试图学习线性回归使用普通的最小二乘和梯度下降从零。
我阅读了Scikit学习函数的文档，我没有看到任何方法来调整学习速度或sklearn.linear_model.LinearRegression类的时代。
线性回归模型有标准的学习率吗？
我假设的时间是由误差函数的变化决定的，因此取决于数据集，在收敛之前有一些预定的最大值。
有没有其他好的包，有一个线性回归模型，我可以测试我自己的模型与可调整的学习速度和时代？
浏览 0提问于2020-09-05得票数 3
回答已采纳
2回答
我已经创建了三个机器学习模型使用Scikit-学习在木星笔记本(线性回归，Dtree和随机森林)。该模型的目的是根据几个气旋参数(预测器/输入)预测气旋的大小(预测/输出ROCI)。有9004行。下面是线性回归模型的一个例子。
In[31]: df.head()
Out[31]: NAME LAT LON Pc Penv ROCI Vmax Pdc
0 HECTOR -15 128 985 1000 541 18 -15
1 HECTOR -15 127 990 1000
浏览 1提问于2020-09-29得票数 0
回答已采纳
我对这台机器很陌生，学习并使用波士顿数据集进行预测。除了precision_score和accuracy_score的结果之外，一切都很好。这就是我所做的：
import pandas as pd
import sklearn
from sklearn.linear_model import LinearRegression
from sklearn import preprocessing,cross_validation, svm
from sklearn.datasets import load_boston
import numpy as np
from sklearn.metri
浏览 4提问于2017-02-25得票数 2
回答已采纳
为了在scikit-learn中学习线性回归，我写了一些代码来处理OR操作，并添加了可视化，但可视化似乎不能直观地解释发生了什么：
from sklearn import linear_model
X = [[0, 0], [1, 1], [0, 1], [1, 0]]
Y = [0, 1, 1, 1]
regr = linear_model.LinearRegression()
regr.fit(X, Y)
# check that the coeffients are the expected ones.
m = regr.coef_[0]
b = regr.intercept_
pri
浏览 0提问于2017-08-10得票数 0
回答已采纳
我正在努力学习使用scikit-学习一些基本的统计学习任务。我以为我已经成功地创建了一个适合我的数据的LinearRegression模型：
X_train, X_test, y_train, y_test = cross_validation.train_test_split(
X, y,
test_size=0.2, random_state=0)
model = linear_model.LinearRegression()
model.fit(X_train, y_train)
print model.score(X_test, y_test)
产生的结果：
0.79
浏览 4提问于2015-11-10得票数 3
回答已采纳
2回答
我主要关心的是，我需要理解随机森林是如何在scikit中进行多数投票来学习源代码的。我没有在RandomForest的源代码中找到特定的代码。如果有人知道，请解释一下。谢谢
浏览 0提问于2019-10-24得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
