模型预测评估

这篇博客介绍了模型预测的过程,包括数据处理阶段,如检查缺失值并填充,数据划分和归一化。接着详细讨论了多种回归模型,如多层感知机、线性回归、SVM、KNN、决策树和集成方法。最后,作者运用k折交叉验证整合模型,并根据结果进行分析。
摘要由CSDN通过智能技术生成

1.数据处理

1.首先加载数据查看数据详情
在这里插入图片描述
2. 查看数据是否又NAN的项。

在这里插入图片描述

3 对有空的项进行填充
在这里插入图片描述

4 将数据分成训练书和测试数据

在这里插入图片描述

5 .对数据归一化处理

在这里插入图片描述

2.模型预测

多层感知机-回归模型
在这里插入图片描述
集成回归
在这里插入图片描述

线性回归
在这里插入图片描述
svm回归
在这里插入图片描述

knn 回归
在这里插入图片描述
决策树回归
在这里插入图片描述
决策树回归在这里插入图片描述

随机森林回归
在这里插入图片描述
Adaboost回归
在这里插入图片描述
gbrt 回归
在这里插入图片描述

bagging 回归
在这里插入图片描述

3.模型整合

使用k折交叉验证
使用了几个较好的模型进行处理

使用result数据结果

import warnings
warnings.filterwarnings("ignore")
from sklearn import preprocessing
from sklearn.neural_network import MLPRegressor
from sklearn.ensemble import GradientBoostingRegressor
from sklearn import ensemble 
import pandas as p
  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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