【练习/sklearn库基础】使用LinearRegssion、Lasso、Ridge进行回归预测,并计算各模型的评估结果,用条形图显示。

声明:
1、 学生刚开始学习python,代码会有很多不严谨,也较为粗糙,单纯用于广大网友参考,希望能起到一定的帮助
2、 如果要转载,请标记出来源
3、本文纯粹用于技术练习,请勿用作非法途径
4、如果有问题请在评论区指出,虚心接受立马改正
做题途中所遇问题:
1.在条形图上方标注各个评分值,忘了,搞了老半天搞出来
代码块:

#1、 导入sklearn库自带的乳腺癌数据集(。load_breast_cancer),使用LinearRegssion、Lasso、Ridge进行回归预测,并计算各模型的评估结果,将3个评估结果用条形图显示出来,且在条形图上方标注各个评分值
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LinearRegression
from sklearn.linear_model import Lasso
from sklearn.linear_model import Ridge
import matplotlib.pyplot as plt
#中文
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

#共同内容
diabetes=load_breast_cancer()
X=diabetes.data
y
  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,我可以为您提供一个简单的代码示例。 首先,我们需要导入波士顿房价数据集和所需的: ```python from sklearn.datasets import load_boston from sklearn.linear_model import Ridge, Lasso from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error ``` 接着,我们可以加载波士顿房价数据集: ```python boston = load_boston() X = boston.data y = boston.target ``` 然后,我们将数据集拆分为训练集和测试集: ```python X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ``` 现在我们可以使用回归Lasso回归来训练模型进行预测: ```python # 岭回归 ridge = Ridge(alpha=0.1) ridge.fit(X_train, y_train) ridge_pred = ridge.predict(X_test) # Lasso回归 lasso = Lasso(alpha=0.1) lasso.fit(X_train, y_train) lasso_pred = lasso.predict(X_test) ``` 最后,我们可以计算均方根误差(RMSE)来评估模型的性能: ```python print("Ridge regression RMSE: ", mean_squared_error(y_test, ridge_pred, squared=False)) print("Lasso regression RMSE: ", mean_squared_error(y_test, lasso_pred, squared=False)) ``` 完整代码如下: ```python from sklearn.datasets import load_boston from sklearn.linear_model import Ridge, Lasso from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error boston = load_boston() X = boston.data y = boston.target X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ridge = Ridge(alpha=0.1) ridge.fit(X_train, y_train) ridge_pred = ridge.predict(X_test) lasso = Lasso(alpha=0.1) lasso.fit(X_train, y_train) lasso_pred = lasso.predict(X_test) print("Ridge regression RMSE: ", mean_squared_error(y_test, ridge_pred, squared=False)) print("Lasso regression RMSE: ", mean_squared_error(y_test, lasso_pred, squared=False)) ``` 希望这可以帮助您开始使用回归Lasso回归预测波士顿房价数据集。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

NeHAO_WU

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值