机器学习：PM2.5预测问题 （基于Sklearn Pandas）

最新推荐文章于 2024-06-12 09:44:39 发布
最新推荐文章于 2024-06-12 09:44:39 发布
阅读量8.4k 收藏 139
点赞数 12
文章标签： 决策树 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46253184/article/details/110354810
版权

问题描述

背景：

虽然细颗粒物只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比，细颗粒物粒径小，富含大量的有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。研究表明，颗粒越小对人体健康的危害越大。细颗粒物能飘到较远的地方，因此影响范围较大。

细颗粒物对人体健康的危害要更大，因为直径越小，进入呼吸道的部位越深。10μm直径的颗粒物通常沉积在上呼吸道，2μm以下的可深入到细支气管和肺泡。细颗粒物进入人体到肺泡后，直接影响肺的通气功能，使机体容易处在缺氧状态。

已经有大量流行病学证据表明，PM2.5有急性与慢性健康效应。急性健康效应体现在高PM2.5暴露增加患急性呼吸道疾病与心脑血管疾病的风险，慢性毒性体现在PM2.5可能诱发肺癌、COPD（慢性阻塞型肺炎）、心脑血管疾病等慢性疾病，也有研究表明对细颗粒物的暴露会影响人的免疫系统、神经系统等。

问题：

PM2.5粒径小，富含大量的有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。所以如果能做到对PM2.5实时且准确的预测，那么就可以为人们的日常出行提供一些注意事项，该不该出门？出门应该准备什么？

有关数据

收集数据及数据来源

在机器学习平台Kaggle上下载中国2010-2015年五大城市的PM2.5数据集

样本名称

成都市草堂寺2010年1月1日至2015年12月31日的PM2.5的记录值

确定样本属性，所有属性名称以及每个属性取值范围

  1. 样本属性有：

    1. PM2.5平均值标准值：对于数据表中的PM_Caotangsi
    2. 季节：对于数据表中的season
    3. 露点（摄氏温度）：对于数据表中的DEWP
    4. 温度（摄氏温度）：对于数据表中的TEMP
    5. 湿度（％）：对于数据表中的HUMI
    6. 压力（hPa）：对于数据表中的PRES
    7. 组合风向：对于数据表中的cbwd
    8. 累积风速（m / s）：对于数据表中的Iws

  2. 对于PM2.5的值有如下：

    空气质量等级24小时PM2.5平均值标准值值转换
    优0~351
    良35~752
    轻度污染75~1153
    中度污染115~1504
    重度污染150~2505
    严重污染大于250及以上6

  3. 对于组合风向的值有如下：

    风向值转换
    cv1
    NE2
    NW3
    SE4
    SW5

  4. 对于季节：

    取值范围1，2，3，4

  5. 对于露点：

    取值范围[-16,28]

  6. 对于温度（摄氏温度）：

    取值范围[-2,38]

  7. 对于湿度（％）：

    取值范围[12.78,100]

  8. 对于压力（hPa）：

    取值范围[991,1041]

  9. 对于累积风速（m / s）：

    取值范围[0,93]

样本数量

原始样本数量52583个，经处理去掉无效值共有21074 个

样本标记名称以及取值范围；

样本标记为PM2.5的值所代表的的等级对应转换的值，如下表：

空气质量等级24小时PM2.5平均值标准值值转换
优0~351
良35~752
轻度污染75~1153
中度污染115~1504
重度污染150~2505
严重污染大于250及以上6
数据处理

  1. 对原始数据进行处理

    在csv表格中将PM2.5及组合风向的值进行转换

  2. 获取数据进行处理

    # 1.从ChengduPM20100101_20151231.csv中读取训练数据
data = pd.read_csv('./ChengduPM20100101_20151231.csv')
# 2.通过.dropna(how='any')函数去除掉无效值
data = data.iloc[:,1:].dropna(how='any')
# 3.获取样本属性值 并转换为NumPy数组
season = data['season']
data1 = data.iloc[:,8:14]
data1['season'] = season
data1 = data1.to_numpy()
# 4.获取样本标记值 并转换为NumPy数组
PM_Caotangsi = data['PM_Caotangsi']
PM_Caotangsi = PM_Caotangsi.to_numpy()
# 5.通过train_test_split()划分训练集测试集
X_train, X_test, y_train, y_test = train_test_split(data1, PM_Caotangsi, test_size=0.12, random_state=12)

设计模型，训练模型

第一个决策树分类
最初模型
# 导入必要的模块
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

# 数据处理
# 1.从ChengduPM20100101_20151231.csv中读取训练数据
data = pd.read_csv('./ChengduPM20100101_20151231.csv')
# 2.通过.dropna(how='any')函数去除掉无效值
data = data.iloc[:,1:].dropna(how='any')
# 3.获取样本属性值 并转换为NumPy数组
season = data['season']
data1 = data.iloc[:,8:14]
data1['season'] = season
data1 = data1.to_numpy()
# 4.获取样本标记值 并转换为NumPy数组
PM_Caotangsi = data['PM_Caotangsi']
PM_Caotangsi = PM_Caotangsi.to_numpy()
# 5.通过train_test_split()划分训练集测试集
X_train, X_test, y_train, y_test = train_test_split(data1, PM_Caotangsi, test_size=0.12, random_state=12)

# 建立模型
clf = DecisionTreeClassifier(criterion='entropy')
# 训练模型
clf.fit(X_train,y_train)
# 评分
clf.score(X_test,y_test)
Out[50]: 0.4638196915776987
修改模型
# 获取原始模型决策树深度
d=clf.get_depth()
# 建立新模型 最大深度和原始深度d一样  最小叶节点为d-14
model= DecisionTreeClassifier(criterion='entropy',max_depth=d,min_samples_leaf=d-14)
# 训练模型
model.fit(X_train,y_train)
# 评分
model.score(X_test,y_test)
Out[56]: 0.4693554764729142
第二个集成方法-极限随机树
关于集成方法

集成方法 的目标是把多个使用给定学习算法构建的基估计器的预测结果结合起来，从而获得比单个估计器更好的泛化能力/鲁棒性。

集成方法通常分为两种:

  • 平均方法，该方法的原理是构建多个独立的估计器，然后取它们的预测结果的平均。一般来说组合之后的估计器是会比单个估计器要好的，因为它的方差减小了。
  • 相比之下，在 boosting 方法 中，基估计器是依次构建的，并且每一个基估计器都尝试去减少组合估计器的偏差。这种方法主要目的是为了结合多个弱模型，使集成的模型更加强大。
关于极限随机树

在极限随机树中， 计算分割点方法中的随机性进一步增强。 在随机森林中，使用的特征是候选特征的随机子集；不同于寻找最具有区分度的阈值， 这里的阈值是针对每个候选特征随机生成的，并且选择这些随机生成的阈值中的最佳者作为分割规则。 这种做法通常能够减少一点模型的方差，代价则是略微地增大偏差。

实验代码
# 导入必要的模块
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import ExtraTreesClassifier

# 数据处理
# 1.从ChengduPM20100101_20151231.csv中读取训练数据
data = pd.read_csv('./ChengduPM20100101_20151231.csv')
# 2.通过.dropna(how='any')函数去除掉无效值
data = data.iloc[:,1:].dropna(how='any')
# 3.获取样本属性值 并转换为NumPy数组
season = data['season']
data1 = data.iloc[:,8:14]
data1['season'] = season
data1 = data1.to_numpy()
# 4.获取样本标记值 并转换为NumPy数组
PM_Caotangsi = data['PM_Caotangsi']
PM_Caotangsi = PM_Caotangsi.to_numpy()
# 5.通过train_test_split()划分训练集测试集
X_train, X_test, y_train, y_test = train_test_split(data1, PM_Caotangsi, test_size=0.12, random_state=12)

# 建立模型
etc = ExtraTreesClassifier(n_estimators=10, max_depth=None,min_samples_split=25, random_state=10)
# 训练模型
etc.fit(X_train,y_train)
# 评分
etc.score(X_test,y_test)
Out[58]: 0.5120601028074337
实验结果

结果截图

数据处理

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

实验结果
决策树

在这里插入图片描述

修改后决策树

在这里插入图片描述

极限随机树

在这里插入图片描述

根据实验结果

同过比较决策树的最大评估结果0.4693554764729142和极限随机树最大评估结果0.5120601028074337

可以得知极限随机树的评估效果较决策树要好一些

根据文献记载

随机森林算法

随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。是一个包含多个决策树的分类器，并且其输出类别是由个别树输出的类别的众数决定的。随机森林的每一颗决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一颗决策树分别进行判断，看看这个样本属于哪一类，然后看看哪一类被选择最多，则预测这个样本为那一类。一般来说，随机森林的判决性能优于决策树。

综合结果

根据实验结果和文献记载，使用随机森林（极限随机树）算法作为解决方案的效果要优于决策树算法作为解决方案，因此使用极限随机树算法作为解决方案。

总结

利用决策树和极限随机树去解决通过季节，露点，温度，湿度，压力，组合风向，累积风速来预测PM2.5标准值进而获得空气等级来判定如何出行的问题，通过实验，极限随机树较决策树评估效果要好一些，但是最高评估效果仅有51.2%，还是不能达到准确的评估PM2.5的标准值。在算法方面或许可以换其他的方法来提高评估值，数据方面可以用个更多的数据来训练或者对数据的值进行一些处理来提高评估值。

参考文献

  1. 关于PM2.5的十个问题 . 北京大学环境科学与工程学院 . [2017-1-3]
  2. 环境空气质量标准（GB 3095—2012）.中华人民共和国环境生态部.[2016-01-01]
  3. 集成方法.Scikit-Learn (Sklearn) 官方文档中文版
  4. 决策树和随机森林算法.CSDN-TravisZeng的文章
  5. 十分钟入门Pandas.Pandas中文网
YANGGEOL
关注
  • 12
    点赞
  • 踩
  • 139
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
机器学习第八章笔记——预测数值型数据：回归
jgq1466693的博客
10-05 2638
其中的一个方法是局部加权线性回归。从上面的数据可以看出：使用较小的核将得到较低的误差，但是在操作中并不能使用最小的核处理数据集，因为使用最小核处理将会造成过拟合，对新数据不一定能达到最好的预测效果。对于如何找出w，一个常用的方法是找出使误差最小的w，误差指的是预测y值和真实y值之间的差值，使用该误差的简单累加将使正差值与负差值相互抵消，因此采用平方误差。向前逐步回归属于一种贪心算法，每一步都尽可能的减少误差，最开始时所有的权重都设为1，之后每一步所做的决策是对某个权重增加或减少一个很小的值。
线性回归预测PM2.5（包括代码详解）
01-08
本资源使用线性回归的手段模拟预测PM2.5，包含了所有的数据以及代码。代码含有详细地注释，欢迎下载学习使用！
推荐文章：PM2.5-GNN——空气质量预测的未来之选
最新发布
gitblog_00080的博客
06-12 384
推荐文章：PM2.5-GNN——空气质量预测的未来之选 项目地址:https://gitcode.com/shawnwang-tech/PM2.5-GNN 在数据驱动的时代，精准预测环境指标，尤其是PM2.5浓度，对于提高公众健康水平和城市可持续发展至关重要。为此，我们聚焦于一款前沿的开源项目——PM2.5-GNN：一个基于领域知识增强的图神经网络模型，专为PM2.5浓度预报打造。 项目介绍 PM...
【机器学习】李宏毅-预测PM2.5
Mitchell_Donovan的博客
01-04 3352
另外比较三个模型在测试集上的表现，模型B和模型C相比模型A同样更加出色，参见附件中的output文件，模型B和模型C在测试集上的输出更加合理，相比模型A的loss更小。首先，比较三个模型的程序运行时间，模型A＜模型B＜模型C，原因显然是考虑的因素越多使用的资源就越多即运行时间越长，其中模型C的运行时间几乎是模型A和模型B的三倍之多。综上，个人认为模型B的性价比最高，因为考虑的特征更少，运行时间更短，并且在训练集和测试集上的表现都和C几乎一样，相比之下C消耗的资源显然是更多的。
机器学习实战---PM2.5预测
Sinlair的博客
10-01 3426
数据集（文章末尾有分享链接哟） 本次数据集使用丰原站的观测记录，分成 train set 跟 test set，train set 是丰原站每个月的前 20 天所有资料。test set 则是从丰原站剩下的资料中取样出来。
【机器学习】李宏毅HW1：预测PM2.5
weixin_42182906的博客
07-07 2256
依旧是从GitHub上看到的代码，看了三四天吧，哈哈。。。 https://github.com/maplezzz/NTU_ML2017_Hung-yi-Lee_HW/tree/master/HW1 题目要求： 预测丰原地区一段时间内的PM2.5值， train.csv:每个月前20天每个小时的气象资料（每小时有18种测资）共12个月 test.csv: 排除train.csv剩余...
基于随机森林回归分析的PM2.5浓度预测模型
02-07
针对神经网络算法在当前PM2．5浓度预测领域存在的易过拟合、网络结构复杂、学习效率低等问题，引入RFR（random forest regression，随机森林回归）算法，分析气象条件、大气污染物浓度和季节所包含的22项特征因素，通过调整参数的最优组合，设计出一种新的PM2．5浓度预测模型——RFRP模型。同时，收集了西安市2013--2016年的历史气象数据，进行模型的有效性实验分析。实验结果表明，RFRP模型不仅能有效预测PM2．5浓度，还能在不影响预测精度的同时，较好地提升模型的运行效率，其平均运行时间为O．281S，约为BP-NN（back propagation neural network，BP神经网络）预测模型的5．88％。
pm25:PM2.5 预测应用的前端和后端
05-04
这里的Python库可能包括了数据处理库（如Pandas）、数学计算库（如NumPy）、以及机器学习库（如Scikit-learn）等。这些库帮助开发者处理PM2.5的历史数据，训练预测模型，并通过Web服务接口向前端提供预测结果。 在...
机器学习红酒产地预测问题代码资料.zip
04-16
在这个名为“机器学习红酒产地预测问题代码资料.zip”的压缩包中，包含的是一组与机器学习相关的项目，特别是针对红酒产地预测的实例。这个项目旨在利用机器学习算法，通过分析特定的数据集，来预测红酒的产地。以下...
机器学习Python算法知识点大全，包含sklearn中的机器学习模型和Python预处理的pandas和numpy知识点
01-22
本篇文章将详细讲解基于Python的机器学习知识点，重点关注sklearn库以及数据预处理中常用的pandas和numpy库。 首先，我们要理解机器学习的基本概念。机器学习是一种让计算机通过数据学习和改进的方法，它不依赖于...
【李宏毅】机器学习——作业1-PM2.5预测
m0_51474171的博客
11-08 2126
在GradientDescent的环节中采用的就是n次函数GradientDescent的时候还是使用的残差平方和来计算梯度采用Adagrad优化算法# 定义模型 训练 def computeY(n , x , w) : #根据权重和输入计算输出 py = np . zeros([ len(x) , 1 ]) for e in range(1 + n) : #e为当前x的次幂。e=0表示常数项，这里常数项并没有合并为一个，而是一个特征一个常数项。
基于机器学习的Pm2.5图像分析及估计
07-26
根据去雾算法对图像中的PM2.5浓度进行分析，利用机器学习的方法建模进行估计
基于机器学习的PM2.5预测与分析系统
04-27
# 系统说明 本系统采用了计算机数据挖掘的方法，从互联网中收集整理了全国近300个城市的天气数据和近200个大中城市的空气质量基本数据。 对提高全国人民的身体健康进了微薄之力，也为了利用机器学习技术研究空气质量、大气情况等数据提供了一个思路。
【机器学习】day4：作业一：预测PM2.5的值（李宏毅）
elephant_my的博客
04-02 3827
1. 作业描述 2. 代码实现 2.1 数据预处理 2.2 建立模型 2.3 模型训练 2.4 模型评估 2.5 模型预测
李宏毅机器学习作业之PM2.5预测
Trony的博客
07-21 1435
import pandas as pd import numpy as np import math import csv 数据预处理 # 读取数据csv文件，将csv文件保存为矩阵 # 这里read_csv的作用是读取csv文件 data = pd.read_csv("/Users/tiger/Desktop/study/机器学习/李宏毅机器学习/李宏毅机器学习资料/数据/hw1/train.csv", encoding="big5") # print(data) # 要全部行，不要前三列 data =
机器学习中的预测问——回归与分类
weixin_34125592的博客
05-21 223
回归就是预测数值，而分类是给数据打上标签归类。 本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。 拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测。 import matplotlib.pyplot as pltimport numpy as npimport scip...
李宏毅机器学习作业1:预测PM2.5（含训练数据）
taw19960426的博客
10-22 5682
1.要求 给定训练集train.csv，要求根据前9个小时的空气监测情况预测第10个小时的PM2.5含量。 训练集介绍： CSV文件，包含台湾丰原地区240天的气象观测资料(取每个月前20天的数据做训练集，12月X20天=240天，每月后10天数据用于测试） 每天的监测时间点为0时，1时…到23时，共24个时间节点; 每天的检测指标包括CO、NO、PM2.5、PM10等气体浓度，是否降雨、刮风等...
李宏毅课程-机器学习 PM2.5预测
weixin_41221544的博客
03-23 795
前言 目前有在 百度 的 AI Studio 上的李宏毅课程-机器学习特训营上学习，有练习到回归问题中的练习题，采用逻辑回归的方法去尝试编写程序回归预测PM2.5的值。尝试把一些心得记录下来！ 项目描述 本次作业的资料是从行政院环境环保署空气品质监测网所下载的观测资料。 希望大家能在本作业实现 linear regression 预测出 PM2.5 的数值。 数据集介绍 本次作业使用丰原站的观测记录，分成 train set 跟 test set，train set 是丰原站每个月的前 20 天所有资
机器学习线性回归算法预测PM2.5
sunshine543123的博客
06-04 2998
数据集： train.csv: 每个月前 20 天的完整数据。 test.csv : 从剩下的数据当中取样出连续的 10 小时为一笔，前九小时的所有观测数据当作 feature，第十小时的 PM2.5 当作 answer。一共取出 240 笔不重复的 test data，请根据 feature 预测这 240 笔的 PM2.5。 数据集下载链接：https://aistudio.baidu.com/aistudio/datasetlist/2 项目代码： from sklearn import linear
帮我写一份基于机器学习的PM2.5预测包括数据预处理、基于线性回归算法的预测模型、基于逻辑回归算法的分类模型、基于朴素贝叶斯算法发分类模型、基于决策树与随机森林算法的预测模型、支持向量机、模型评估与优化的完整代码，包括数据集下载地址
06-10
好的，我会尽力回答你的问题并提供完整代码。以下是基于机器学习的PM2.5预测的完整流程及代码： 1. 数据预处理 首先，我们需要下载PM2.5数据集。这里我们使用UCI Machine Learning Repository上的数据集，可以通过以下链接下载：https://archive.ics.uci.edu/ml/datasets/Beijing+PM2.5+Data 接下来，我们需要对数据进行预处理。在这个数据集中，我们需要预测的是PM2.5的浓度，因此我们选取PM2.5浓度作为我们的目标变量，其他变量作为特征变量。我们需要进行以下预处理步骤： - 去除缺失值 - 去除不必要的特征变量 - 进行特征缩放 以下是数据预处理的完整代码： ```python import pandas as pd import numpy as np from sklearn.preprocessing import StandardScaler # 读取数据 df = pd.read_csv('PRSA_data_2010.1.1-2014.12.31.csv') # 去除缺失值 df = df.dropna() # 去除不必要的特征变量 df = df.drop(['No', 'year', 'month', 'day', 'hour'], axis=1) # 进行特征缩放 scaler = StandardScaler() df_scaled = scaler.fit_transform(df) # 分离特征变量和目标变量 X = df_scaled[:, :-1] y = df_scaled[:, -1] ``` 2. 基于线性回归算法的预测模型 接下来，我们使用线性回归算法建立PM2.5的预测模型。我们将数据集分为训练集和测试集，使用训练集训练模型，并在测试集上进行预测和评估。以下是基于线性回归算法的预测模型的完整代码： ```python from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error, r2_score # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 建立线性回归模型 lr = LinearRegression() lr.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_lr = lr.predict(X_test) mse_lr = mean_squared_error(y_test, y_pred_lr) r2_lr = r2_score(y_test, y_pred_lr) print('MSE: ', mse_lr) print('R2 Score: ', r2_lr) ``` 3. 基于逻辑回归算法的分类模型 接下来，我们使用逻辑回归算法建立PM2.5的分类模型。在这个数据集中，我们可以将PM2.5分为好、一般和差三个等级，因此我们将PM2.5分为三类进行分类。以下是基于逻辑回归算法的分类模型的完整代码： ```python from sklearn.linear_model import LogisticRegression from sklearn.preprocessing import LabelEncoder from sklearn.metrics import classification_report # 将PM2.5分为三类 bins = [-np.inf, 35, 75, np.inf] labels = [0, 1, 2] df['pm2.5_class'] = pd.cut(df['pm2.5'], bins=bins, labels=labels) # 将目标变量进行编码 le = LabelEncoder() df['pm2.5_class'] = le.fit_transform(df['pm2.5_class']) # 分离特征变量和目标变量 X = df_scaled[:, :-2] y = df['pm2.5_class'] # 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 建立逻辑回归模型 lr = LogisticRegression() lr.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_lr = lr.predict(X_test) print(classification_report(y_test, y_pred_lr, target_names=['Good', 'Moderate', 'Unhealthy'])) ``` 4. 基于朴素贝叶斯算法的分类模型 接下来，我们使用朴素贝叶斯算法建立PM2.5的分类模型。以下是基于朴素贝叶斯算法的分类模型的完整代码： ```python from sklearn.naive_bayes import GaussianNB # 建立朴素贝叶斯模型 nb = GaussianNB() nb.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_nb = nb.predict(X_test) print(classification_report(y_test, y_pred_nb, target_names=['Good', 'Moderate', 'Unhealthy'])) ``` 5. 基于决策树与随机森林算法的预测模型 接下来，我们使用决策树与随机森林算法建立PM2.5的预测模型。以下是基于决策树与随机森林算法的预测模型的完整代码： ```python from sklearn.tree import DecisionTreeRegressor from sklearn.ensemble import RandomForestRegressor # 建立决策树模型 dt = DecisionTreeRegressor() dt.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_dt = dt.predict(X_test) mse_dt = mean_squared_error(y_test, y_pred_dt) r2_dt = r2_score(y_test, y_pred_dt) print('MSE: ', mse_dt) print('R2 Score: ', r2_dt) # 建立随机森林模型 rf = RandomForestRegressor(n_estimators=100) rf.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_rf = rf.predict(X_test) mse_rf = mean_squared_error(y_test, y_pred_rf) r2_rf = r2_score(y_test, y_pred_rf) print('MSE: ', mse_rf) print('R2 Score: ', r2_rf) ``` 6. 支持向量机 最后，我们使用支持向量机建立PM2.5的预测模型。以下是基于支持向量机的预测模型的完整代码： ```python from sklearn.svm import SVR # 建立支持向量机模型 svm = SVR() svm.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_svm = svm.predict(X_test) mse_svm = mean_squared_error(y_test, y_pred_svm) r2_svm = r2_score(y_test, y_pred_svm) print('MSE: ', mse_svm) print('R2 Score: ', r2_svm) ``` 7. 模型评估与优化 我们使用均方误差和R2得分评估每个模型的性能。可以看出，基于线性回归算法的预测模型和基于随机森林算法的预测模型具有最好的性能。 如果需要优化模型，可以使用交叉验证和网格搜索来寻找最佳参数组合。以下是使用交叉验证和网格搜索优化随机森林模型的完整代码： ```python from sklearn.model_selection import GridSearchCV # 使用交叉验证和网格搜索优化随机森林模型 param_grid = { 'n_estimators': [50, 100, 200], 'max_depth': [None, 10, 20], 'min_samples_split': [2, 4, 8], 'min_samples_leaf': [1, 2, 4] } rf = RandomForestRegressor() grid_search = GridSearchCV(rf, param_grid, cv=5) grid_search.fit(X_train, y_train) # 在测试集上进行预测和评估 y_pred_gs = grid_search.predict(X_test) mse_gs = mean_squared_error(y_test, y_pred_gs) r2_gs = r2_score(y_test, y_pred_gs) print('MSE: ', mse_gs) print('R2 Score: ', r2_gs) print('Best Parameters: ', grid_search.best_params_) ```
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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