机器学习-Python实践Day7（选择算法--算法评估矩阵（回归））

1.1、回归算法矩阵

1.1.1、平均绝对误差（Mean Absolute Error,MAE）

①导入数据

import pandas as pd
from sklearn.datasets import load_boston
# 直接从sklearn类库中获取到波士顿数据集
boston=load_boston()
# 特征名称
feature_names=boston.feature_names
# 将numpy.ndarray转为pandas.DataFrame格式
df=pd.DataFrame(boston.data,columns=feature_names)
# 将标签medv添加到Dataframe中
df['medv']=boston.target
# 切分为标签集合特征集
X=df.iloc[:,:-1].values
Y=df.iloc[:,-1].values
df.head()

②通过10折交叉验证评估模型的平均绝对误差

# 通过10折交叉验证评估模型的平均绝对误差
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LinearRegression
n_splits=10
seed=4
kfold=KFold(n_splits=n_splits,random_state=seed)
lr=LinearRegression()
scoring='neg_mean_absolute_error'
results=cross_val_score(lr,X,Y,cv=kfold,scoring=scoring)
print('通过10折交叉验证评估模型的平均绝对误差')
print('算法评估结果平均均方误差MAE：%.3f(%.3f)' %(results.mean(),results.std()))