7.6 模型拟合及预测

  在分析一个数据集合时,有三个需要解决的任务:

  1. 按照一个或一些选出的模型对数据进行拟合;
  2. 从一些已经拟合的类型中选取最合适的模型;
  3. 根据收集的数据做出预测。

7.6.1 模型拟合

  基于前面章节介绍的Sklearn库提供的各种模型,对预处理后的数据集进行拟合,其主要用到各种模型类的fit方法。示例代码如下:

1. 有监督学习

  线性回归,示例代码:

lr.fit(X, y)

  支持向量机,示例代码:

svc.fit(X_train, y_train)

  K邻近,示例代码:
```python
knn.fit(X_train, y_train)

2. 无监督学习

  主成分分析PCA,示例代码:

pca_model = pca.fit_transform(X_train)

  聚类分析(K-means),示例代码:

k_means.fit(X_train)

7.6.2 模型预测

  sklearn库对各种模型类提供了predict方法,基于以上模拟后的模型对测试集数据进行预测,示例代码:

1. 有监督预测

y_pred = lr.predict(X_test)        # 线性回归
y_pred = svc.predict(np.random.random((2,5)))      # 支持向量机
y_pred = knn.predict_proba(X_test)      # k近邻

2. 无监督预测

y_pred = k_means.predict(X_test)      # 聚类分析
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
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