zoukankan      html  css  js  c++  java
  • [学习记录]sklearn线性回归

    本文旨在记录colin老师workshop的exercise1讲解,包含入门级的sklearn操作

    首先导入库

    import numpy as np
    import pandas as pd
    import scipy.stas as stats
    import sklearn

    其次导入数据,这里使用的是sklearn中内置的数据集

    from sklearn.datasets import load_boston
    boston=load_boston()

    使用pandas整理数据

    pandas可以用来求相关性,取值为-1~1之间,-1为负相关,1为正相关,靠近0则是不相关。其中如果相关性低于0.5则应该考虑换一个参考模型。

     进行线性回归训练

    对照测试集进行检验,检验的时候有三个重要指标,三个指标均越小越好

    MAE:mean absolute error,预测时发生的平均偏差,取绝对值

    MSE:mean squared error,对预测时产生的偏差进行平方处理,导致错误重度惩罚,正确轻度奖励

    RMSE:root mean squared error,相当于对MSE结果开平方根

    之前介绍的模型是一个自变量一个因变量,也支持多个自变量,就结果来看该模型不如上一个准确

  • 相关阅读:
    Dockerfile文件详解
    docker-compose.yml文件
    Linux集中日志服务器rsyslog
    数据库连接池DBUtils使用
    js开关插件使用
    flask基础
    redis系列--深入哨兵集群
    Python算法基础
    redis系列--主从复制以及redis复制演进
    redis系列--redis4.0深入持久化
  • 原文地址:https://www.cnblogs.com/trickofjoker/p/9305455.html
Copyright © 2011-2022 走看看