博客
关于我
《机器学习与实践》读书笔记及代码(三)
阅读量:146 次
发布时间:2019-02-27

本文共 2260 字,大约阅读时间需要 7 分钟。

#波士顿地区,用线性回归,去预测房价from sklearn.datasets import load_bostonboston = load_boston()print boston.DESCRfrom sklearn.cross_validation import train_test_splitimport numpy as npX = boston.datay = boston.target#如果没有这里的话,下一步会报错# X.shapeX_train, X_test, y_train, y_test = train_test_split(X,y,random_state=33,test_size = 0.25)print"The max target value is:",np.max(boston.target)print"The min target value is:",np.min(boston.target)print"The average target value is:",np.mean(boston.target)# print X_train.shape# print y_train.shape#从上面当中,显然发现预测目标房价之间,差距很大,因此,应该先标准化处理from sklearn.preprocessing import StandardScalerss_X = StandardScaler()#分别对训练和测试数据的特征,以及目标值进行标准化处理X_train = ss_X.fit_transform(X_train)X_test = ss_X.transform(X_test)ss_y = StandardScaler()#这里一定要有reshape(-1,1)这样一个过程,否则会报错,y_train = ss_y.fit_transform(y_train.reshape(-1, 1))y_test = ss_y.transform(y_test.reshape(-1, 1))#此处使用十分简单的LinearRegression和SGDRegression分别对美国波士顿地区的房价进行预测from sklearn.linear_model import LinearRegressionlr = LinearRegression()lr.fit(X_train,y_train)lr_y_predict = lr.predict(X_test)from sklearn.linear_model import SGDRegressorsgdr = SGDRegressor()sgdr.fit(X_train,y_train)sgdr_y_predict = sgdr.predict(X_test)#使用LinearRegression模型自带的评估模块。并输出结果print 'The value of default measurement of LinearRegression is:',lr.score(X_test,y_test)from sklearn.metrics import r2_score,mean_squared_error,mean_absolute_errorprint 'The value of R-squared of LinearRegression is:',r2_score(y_test,lr_y_predict)print 'The mean squared error of LinearRegression is:',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(lr_y_predict))print 'The mean absolute error of LinearRegression is:',mean_absolute_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(lr_y_predict))#使用SGDRegression模型自带的评估模块。并输出结果print 'The value of default measurement of SGDRegressor is:',sgdr.score(X_test,y_test)print 'The value of R-squared of LinearRegression is:',r2_score(y_test,sgdr_y_predict)print 'The mean squared error of LinearRegression is:',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(sgdr_y_predict))print 'The mean absolute error of LinearRegression is:',mean_absolute_error(ss_y.inverse_transform(y_test),ss_y.inverse_transform(sgdr_y_predict))

支持向量机(回归)

 

转载地址:http://ixjb.baihongyu.com/

你可能感兴趣的文章
NacosClient客户端搭建,微服务注册进nacos
查看>>
Nacos中使用ribbon
查看>>
Nacos使用OpenFeign
查看>>
Nacos使用Ribbon
查看>>
Nacos做注册中心使用
查看>>
Nacos做配置中心使用
查看>>
Nacos入门过程的坑--获取不到配置的值
查看>>
Nacos原理
查看>>
Nacos发布0.5.0版本,轻松玩转动态 DNS 服务
查看>>
Nacos启动异常
查看>>
Nacos命名空间配置_每个人用各自自己的命名空间---SpringCloud Alibaba_若依微服务框架改造---工作笔记001
查看>>
Nacos和Zookeeper对比
查看>>
Nacos在双击startup.cmd启动时提示:Unable to start embedded Tomcat
查看>>
Nacos基础版 从入门到精通
查看>>
Nacos如何实现Raft算法与Raft协议原理详解
查看>>
Nacos安装教程(非常详细)从零基础入门到精通,看完这一篇就够了
查看>>
Nacos实战攻略:从入门到精通,全面掌握服务治理与配置管理!(上)
查看>>
Nacos实战攻略:从入门到精通,全面掌握服务治理与配置管理!(下)
查看>>
Nacos心跳机制实现快速上下线
查看>>
nacos报错com.alibaba.nacos.shaded.io.grpc.StatusRuntimeException: UNAVAILABLE: io exception
查看>>