7.6 模型擬合及預測
在分析一個資料集合時,有三個需要解決的任務:
- 按照一個或一些選出的模型對資料進行擬合;
- 從一些已經擬合的型別中選取最合適的模型;
- 根據收集的資料做出預測。
7.6.1 模型擬合
基於前面章節介紹的Sklearn庫提供的各種模型,對預處理後的資料集進行擬合,其主要用到各種模型類的fit方法。示例程式碼如下:
1. 有監督學習
線性迴歸,示例程式碼:
lr.fit(X, y)
支援向量機,示例程式碼:
svc.fit(X_train, y_train)
K鄰近,示例程式碼:
```python
knn.fit(X_train, y_train)
2. 無監督學習
主成分分析PCA,示例程式碼:
pca_model = pca.fit_transform(X_train)
聚類分析(K-means),示例程式碼:
k_means.fit(X_train)
7.6.2 模型預測
sklearn庫對各種模型類提供了predict方法,基於以上模擬後的模型對測試集資料進行預測,示例程式碼:
1. 有監督預測
y_pred = lr.predict(X_test) # 線性迴歸
y_pred = svc.predict(np.random.random((2,5))) # 支援向量機
y_pred = knn.predict_proba(X_test) # k近鄰
2. 無監督預測
y_pred = k_means.predict(X_test) # 聚類分析
相關文章
- 1、擬合、預測、估算器、管道與模型評估模型
- .NET 白板書寫加速-曲線擬合預測
- 人口預測模型模型
- 灰色預測改進—三角殘差擬合_pythonPython
- CentOS 7.6虛擬環境搭建CentOS
- 大模型+電力預測?大模型
- Keras速查_CPU和GPU的mnist預測訓練_模型匯出_模型匯入再預測_匯出onnx並預測KerasGPU模型
- Mxnet速查_CPU和GPU的mnist預測訓練_模型匯出_模型匯入再預測_匯出onnx並預測GPU模型
- 多維灰色預測模型心得模型
- 資料探勘-預測模型彙總模型
- 遊戲模型研究:預測與反饋遊戲模型
- 谷歌官方公佈:票房預測模型谷歌模型
- 今日面試題分享:如何理解模型的過擬合與欠擬合,以及如何解決?面試題模型
- .net core(c#)擬合圓測試C#
- [譯] 用 Skater 解讀預測模型:開啟模型的黑箱模型
- 【Matlab 041期】【數學建模】Matlab 電力預測預測之灰度預測組合預測指數平滑回歸分析Matlab
- 2026年全球消費市場線上活動模型支出及複合年增長率預測(附原資料表) 模型
- halcon——缺陷檢測常用方法總結(測量擬合)
- 機器學習–過度擬合 欠擬合機器學習
- 世界盃預測(二) 球隊近期狀態模型模型
- 二手車交易預測模型筆記模型筆記
- 【 專案:信用卡客戶使用者畫像 及 貸款違約預測模型 】模型
- 從模型複雜度角度來理解過擬合現象模型複雜度
- 預測區塊鏈與司法的結合區塊鏈
- 基於BP神經網路的苦瓜生長含水量預測模型matlab模擬神經網路模型Matlab
- YOLOv5模型訓練及檢測YOLO模型
- 多維灰色預測模型的一點改進模型
- 使用LSTM模型做股票預測【基於Tensorflow】模型
- 流失預測 & 分類模型(一)[轉發自石頭]模型
- NLP領域預訓練模型的現狀及分析模型
- 預測配體-靶標對的結合親和力,哈工大開發新SOTA藥物表示模型模型
- 欠擬合與過擬合技術總結
- Graviti攜手UC Berkeley探索自動駕駛預測模型, INTERACTION預測挑戰賽正式開啟自動駕駛模型
- 使用pmml跨平臺部署機器學習模型Demo——房價預測機器學習模型
- AI大模型已經出現不可預測的能力AI大模型
- 預測模型要大資料還是小資料?模型大資料
- 灰色預測GM(1,1)模型的理論原理模型
- 實現 UML 模型的自動化比較及合併模型