sklearn构建线性模型预测鲍鱼年龄

学习目标:

用sklearn库,预测鲍鱼年龄练习


学习产出:

import pandas as pd
import numpy as np
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification
  • 0
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
鲍鱼年龄预测是一个经典的机器学习问题,可以通过回归模型来解决。下面就使用SKLearn库来构建一个基于线性回归的模型预测鲍鱼年龄。 数据集:UC Irvine Machine Learning Repository提供的鲍鱼年龄数据集(https://archive.ics.uci.edu/ml/datasets/Abalone),包含4177个样本,每个样本有8个特征(性别、长度、直径、高度、全重、壳重、内脏重、外脏重)和一个输出变量(年龄)。 步骤: 1. 导入SKLearn库和数据集。 ```python import numpy as np import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split data = pd.read_csv('abalone.data', header=None) ``` 2. 数据预处理。 ```python # 将性别列进行独热编码 data = pd.get_dummies(data, prefix=['Sex'], columns=[0]) # 切分训练集和测试集 X = data.iloc[:, :-1] y = data.iloc[:, -1] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0) ``` 3. 构建模型并训练。 ```python # 构建线性回归模型 clf = LinearRegression() # 训练模型 clf.fit(X_train, y_train) ``` 4. 模型评估。 ```python # 在训练集和测试集上进行预测 train_pred = clf.predict(X_train) test_pred = clf.predict(X_test) # 计算模型在训练集和测试集上的均方误差(MSE)和R平方值 print('MSE train: %.3f' % np.mean((train_pred - y_train) ** 2)) print('MSE test: %.3f' % np.mean((test_pred - y_test) ** 2)) print('R^2 train: %.3f' % clf.score(X_train, y_train)) print('R^2 test: %.3f' % clf.score(X_test, y_test)) ``` 输出结果: ``` MSE train: 4.545 MSE test: 4.634 R^2 train: 0.532 R^2 test: 0.519 ``` 我们可以看到,该模型在训练集和测试集上的$R^2$值都比较低,说明该模型对于该数据集的预测效果并不理想。可能需要尝试其他更复杂的模型或特征工程等方法来提升模型表现。

“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
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