1回答
我有一个包含3个简单列的excel文件:单价、售出数量和合计。总数只需将单价乘以数量即可得到。所以我设置了一个简单的sklearn线性回归算法代码来预测这个值： import numpy as np from sklearn import *
0.9167778505657976
0.15292336331892453 为什么我会得到这个，而不是1
浏览 21提问于2019-09-21得票数 0
2回答
这是一个关于ngram的线性回归问题，使用Tf-IDF (术语频率-逆文档频率)。为此，我使用numpy稀疏矩阵和sklearn进行线性回归。这些预测是基于使用LeaveOneOut的交叉验证。
当我创建一个只有一元语法分数的tf-idf稀疏矩阵时，我得到的预测比创建unigram+bigram分数的tf-idf稀疏矩阵时略好一些。我在矩阵中添加的列越多(三元组、四元组、五元组等的
浏览 0提问于2012-09-03得票数 4
回答已采纳
2回答
我有一个连续评分从-100到+100的文本。我试图把它们分为积极的或消极的。
如何执行二项式日志回归以获得测试数据为-100或+100的概率？我得到的最接近的是SGDClassifier(惩罚=‘l2’，alpha=1e-05，n_iter=10)，但是当我使用二项式日志回归来预测-100和+100的概率时，这并没有提供与相同的结果。所以我猜这不是正确的功能？
浏览 5提问于2014-08-15得票数 3
回答已采纳
我尝试使用LinearRegression来分析多变量(例如随机森林、sklearn等)。使用Python的数据帧。
然而，它显示了一个巨大的RMSE，所以我尝试对我的数据应用非线性回归。我想运行一个非线性回归来预测商品的价值，使用大量的数据(例如，质量，生产年份，工厂数量，整体状况和许多类别……)。我试着在谷歌和Stackoverflow上寻找，但我只能找到使用curve_fit，polyfit的
浏览 1提问于2020-02-01得票数 0
我有一个概念性的问题，为什么(除了处理能力/存储)，您是否会只使用常规的线性回归而不添加多项式特性？似乎添加多项式特征(不过度拟合)总是会产生更好的结果。我知道线性回归不只是一条线，但那是只有当你决定增加多项式特征，对吗？我的经验是使用sklearn库的python。
浏览 0提问于2020-06-24得票数 1
回答已采纳
1回答
在使用和其他库(sklearn)实现线性回归的过程中，我们通常会部署以下声明.......regr = linear_model.LinearRegression我知道LinearRegresssion是库 sklearn中的一个类，那么linear_model到底意味着什么？类和库通常是如何链接/关联的？你能不能给我一点启示或分享相关的</
浏览 3提问于2017-03-07得票数 1
回答已采纳
对于随机数据的平方矩阵，N列和N行。我正在拟合两个模型，线性回归和拉索。import numpy as np
X = pd.DataFrame(np.random.randlinear_model.Lasso().fit(X,y)
print('Li
浏览 0提问于2019-12-28得票数 4
对于线性回归问题，我测试了sklearn One Hot，先丢弃和不丢弃。它表明当没有列被删除时，r_2得分更好。from sklearn.preprocessing import OneHotEncoder首先丢弃r2_score = 0.67不先丢弃(即保留默认值) r2_score = .78
浏览 23提问于2021-06-02得票数 1
1回答
我想看看多重共线性对线性回归模型有什么影响，但我需要能够生成多个共线数据，在这里我可以改变特征的数量和这些特征之间的共线性。我看过Sklearn的函数，它允许生成多个特性，但据我所知，这些特性都是不相关的，对吗？如果是这样的话，有没有人知道我如何能够改变这些特征之间的相关性，或者使用不同的方法来生成一个线性多共线数据集来训练Sklearn的<em
浏览 12提问于2021-12-20得票数 1
回答已采纳
问题陈述:我正在处理一个线性方程组，它对应于一个不适定的逆问题。我可以在Python中手工应用Tikhonov正则化或岭回归，并获得对我的问题足够精确的测试数据的解决方案。我想尝试使用sklearn.linear_model.Ridge来解决这个问题，因为我想在这个包的线性模型部分()中尝试其他机器学习方法。我想知道在这种情况下使用sklearn是否使用了错误的工具。与我自己在Python中应用岭<
浏览 2提问于2021-03-28得票数 1
回答已采纳
我对核回归的理解是，当使用线性核进行无惩罚的岭回归时，结果应该类似于线性回归。在玩具的例子中，线性回归有更好的Rsq。问题的一部分，我认为SK是使用样本空间的核心矩阵，而不是较小的样本和特征空间，在这种情况下，特征空间要小得多。我如何“解决”这个问题，或者我可能做错了什么-一个新手的内核回归。线性</e
浏览 4提问于2022-09-16得票数 0
1回答
我有一个包含产品的dataframe，在这个dataframe中我有一些特性，比如：cat1、cat2、cat3、city、desc、image_count、mileage、price、title、year我有10亿的训练数据和重要的预测功能是标题和描述，这是文本类型。我想知道哪种算法最适合我的预测？我是机器学习的初学者，对不同的算法感到困惑。谢谢
浏览 1提问于2019-02-17得票数 0
1回答
y_train是唯一的培训输出。每个输入或输出有422个元素。有趣的是，当我使用一个向量来训练我的回归模型时，它会得到一个与输入向量相同大小的预测向量。这是这个例子的代码，我得到了向量输入的向量输出，因为回归<
浏览 2提问于2017-03-12得票数 1
回答已采纳
scikit-learn是否提供了使用高斯核或多项式核执行回归的工具？我查看了API，但我没有看到任何API。有没有人在scikit-learn上构建了一个包来做到这一点？
浏览 0提问于2013-12-09得票数 9
回答已采纳
1回答
给定一个具有100个观测值和3个特征的数据集，再加上一个标签(回归)。我们用100 *4(3个特征+1个标签)数据对模型进行训练。现在，我们可以预测当标签作为输入时的特征。现在的问题是在给出标签时预测f1、f2和f3 (如果label=6.7随后预测f1、f2、f3)。
如果提供任何建议或资源，这将有很大帮助。
浏览 0提问于2022-08-24得票数 0
1回答
我想使用sklearn库在我的训练数据上运行线性回归和K折交叉验证，以获得最佳回归模型。然后，我计划使用在我的测试集上返回的平均误差最低的预测值。例如，下面这段代码给了我一个由20个结果组成的数组，这些结果具有不同的负均值绝对误差，我感兴趣的是找到给我这个(最小)误差的预测器，然后在我的测试集上使用那个预测器。sklearn.m
浏览 15提问于2020-10-10得票数 0
回答已采纳
现在，我需要用L2范数(y=xw，y.shape=5,1，x.shape=5,100K+)求解一个非常大的线性回归。我尝试过sklearn.linear_model.Ridge，但是它太慢(花费超过30分钟)，那么，SKlearn是否有另一个函数来有效地解决一个大的线性回归问题？
浏览 2提问于2020-12-16得票数 1
回答已采纳
2回答
我在多元线性回归中得到了100%的准确率。我正在学习去年的一个教程。他在相同的模型上不能达到100%的准确率，但我现在得到了。在我看来很奇怪。这是我的代码。我做的是对的，还是我的代码有问题？pd.read_csv('M_Regression.csv')Y = dataset.iloc[:, :1]
浏览 94提问于2020-10-19得票数 2
1回答
如何预测未来日期的数据类别？示例:未来某一特定日期的区域(或按地区划分)的销售数字将以特定产品和产品类别的销售人员过去的数据为基础？对于这类问题，哪一种模式最适合？
浏览 0提问于2019-01-19得票数 -1
1回答
下面是我拟合的线性回归模型，不确定我做的是否正确，因为我得到了99%的精确性。拟合训练集from sklearn.linear_model import LinearRegression预测测试集结
浏览 0提问于2020-04-21得票数 0
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
