腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
使用
sklearn
进行
线性
回归
regression
、
prediction
、
sklearn-pandas
我有一个用数据拟合的模型,但在
使用
预测功能时遇到了问题。如果数据只有一个要素,则
使用
array.reshape(-1,1)重塑数据形状;如果数据包含单个样本,则
使用
array.reshape(1,-1)重塑数据。
浏览 16
提问于2020-04-23
得票数 0
1
回答
与简单的
线性
回归
相比,
使用
线性
核产生的结果与单纯的
线性
回归
有很大的不同。
python
、
scikit-learn
、
regression
我对核
回归
的理解是,当
使用
线性
核
进行
无惩罚的岭
回归
时,结果应该类似于
线性
回归
。在玩具的例子中,
线性
回归
有更好的Rsq。问题的一部分,我认为SK是
使用
样本空间的核心矩阵,而不是较小的样本和特征空间,在这种情况下,特征空间要小得多。我如何“解决”这个问题,或者我可能做错了什么-一个新手的内核
回归
。
线性
核
回归
的分值在-3左右,
线性
回归
浏览 4
提问于2022-09-16
得票数 0
1
回答
使用
sklearn
进行
多元
线性
回归
python
、
pandas
、
scikit-learn
1.008974 2.768579 我想
使用
sklearn
的
线性
回归
函数来计算这个时间序列的斜率、y截距和误差(r平方)。请注意,所有这些值都已经通过我自己的函数
进行
了标准化,我不需要
使用
sklearn
的normalize参数。到目前为止,这是我在一列上执行
回归
的代码: reg.fit(d
浏览 10
提问于2018-03-03
得票数 0
回答已采纳
2
回答
回归
在机器学习中的局限性?
python
、
machine-learning
、
scikit-learn
、
regression
、
non-linear-regression
我意识到这是一个
回归
问题,并
使用
这个学习小抄,我开始尝试各种
回归
模型。 然后我想,也许
线性
模型太简单了,所以我尝试了适合
回归
(
sklearn
.kernel_ridge.Kernel_Ridge)的“内核技巧”方法,但是它们需要太多的时间才能适应(>1小时)!针对这种情况,我
使用
sklearn
.kernel_approximation.Nystroem函数逼近核映射,在训练前对特征
进行
变换,然后
使用
一个简单的<
浏览 2
提问于2020-05-11
得票数 2
回答已采纳
2
回答
如何
使用
scikit-learn
进行
高斯/多项式
回归
?
machine-learning
、
scikit-learn
、
linear-regression
scikit-learn是否提供了
使用
高斯核或多项式核执行
回归
的工具?我查看了API,但我没有看到任何API。有没有人在scikit-learn上构建了一个包来做到这一点?
浏览 0
提问于2013-12-09
得票数 9
回答已采纳
1
回答
如何
使用
回归
模型预测范围
python
、
artificial-intelligence
、
linear-regression
、
predict
我目前
使用
的是一个简单的
线性
回归
模型,但得到的准确度得分接近于0,因为它猜测的是一个单独的数字作为得分。
浏览 34
提问于2021-07-31
得票数 0
回答已采纳
1
回答
样本选择时
使用
最小二乘法,v/s学习
回归
法?
python
、
regression
、
linear-regression
在
使用
sklearn
线性
回归
库的过程中,当我们用tra肠分割法对数据
进行
分割时,我们是否需要
使用
最小二乘法( OLS )的训练数据,或者我们可以将全部数据用于OLS方法并推导出
回归
结果。
浏览 2
提问于2021-03-07
得票数 0
回答已采纳
1
回答
使用
sklearn
.linear_model.Ridge描述训练数据的最佳方法
线性
病态问题?
python
、
machine-learning
、
scikit-learn
、
linear-regression
、
inverse
我想尝试
使用
sklearn
.linear_model.Ridge来解决这个问题,因为我想在这个包的
线性
模型部分()中尝试其他机器学习方法。我想知道在这种情况下
使用
sklearn
是否
使用
了错误的工具。与我自己在Python中应用岭
回归
方程时不同,来自
sklearn
.linear_model.Ridge的模型只适用于脉冲响应。另一方面,应用岭
回归
,利用方程本身,生成一个模型,可以适用于任何
线性
组合的脉冲响应。是否有一种方
浏览 2
提问于2021-03-28
得票数 1
回答已采纳
2
回答
python中两个列表的
线性
回归
python
、
python-3.x
、
list
、
numpy
、
linear-regression
嗨,我有两个数字列表,我想从一个正规的
线性
回归
得到R^2。我想这个问题已经张贴了很多,但我只是找不到这个地方。我的名单:my_x = [19,23,22,30]from
sklearn
.linear_model import LinearRegression my_y = np
浏览 1
提问于2019-04-16
得票数 2
回答已采纳
1
回答
在
线性
回归
中,标度给了我更坏的结果(较低的R平方)。
python
、
linear-regression
、
scaling
我试图在数据集上
使用
线性
回归
,其中预测器是产品ID、权重、类型、Outlet_Establishment_Year等,目标变量是Item_Outlet_Sales。我用R-平方作为度量。我认为预测器有不同的单位,所以我需要对它们
进行
缩放。,
进行
线性
回归
并计算R-平方,得到0.57的结果: concat_data = pd.concat([= LR_sca
浏览 12
提问于2022-10-29
得票数 0
1
回答
如何用
Sklearn
模拟多重共
线性
?
python
、
scikit-learn
、
linear-regression
、
multicollinearity
我想看看多重共
线性
对
线性
回归
模型有什么影响,但我需要能够生成多个共线数据,在这里我可以改变特征的数量和这些特征之间的共
线性
。我看过
Sklearn
的函数,它允许生成多个特性,但据我所知,这些特性都是不相关的,对吗?如果是这样的话,有没有人知道我如何能够改变这些特征之间的相关性,或者
使用
不同的方法来生成一个
线性
多共线数据集来训练
Sklearn
的
线性
回归
模型?
浏览 12
提问于2021-12-20
得票数 1
回答已采纳
2
回答
在应用Lasso之前,应该省略高度相关的特征吗?
machine-learning
、
python
、
logistic-regression
、
regularization
、
collinearity
如果您能让我知道在
使用
Lasso logistic
回归
(L1)
进行
特征选择之前是否应该省略高度相关的特性,我将非常感激。正则化是处理共
线性
(特征间高度相关)的一种非常有用的方法。
浏览 0
提问于2018-08-20
得票数 1
1
回答
线性
回归
中的特征标度
scikit-learn
、
linear-regression
、
feature-scaling
我总是在
sklearn
库中
使用
Linearregression()类来创建
线性
回归
模型。根据我的理解,当我们
使用
随机梯度下降作为求解算法时,需要
线性
回归
中的特征标度,因为特征缩放有助于在较少的迭代次数中找到解决方案,因此对于
sklearn
.linear_model.SGDRegressor(),我们需要对输入
进行
缩放。但是,我们不需要
使用
Linearregression()扩展输入,因为它
使用
封闭形
浏览 0
提问于2022-10-04
得票数 0
回答已采纳
1
回答
为什么不需要重塑一维阵列以适应多元
线性
回归
python
、
machine-learning
、
linear-regression
在学习过程中,为了在
线性
回归
中
使用
拟合方法对数据
进行
训练,必须对一维阵列
进行
整形。但是,在多元
线性
回归
的情况下,我得到了不改变目标变量的输出。import numpy as npfrom
sklearn
.linear_model import LinearRegression df = pd.read_csv
浏览 1
提问于2019-11-15
得票数 2
1
回答
在机器学习中,我们能从标签中预测特征吗?
machine-learning
、
python
、
deep-learning
、
feature-engineering
给定一个具有100个观测值和3个特征的数据集,再加上一个标签(
回归
)。我们用100 *4(3个特征+1个标签)数据对模型
进行
训练。现在,我们可以预测当标签作为输入时的特征。
浏览 0
提问于2022-08-24
得票数 0
1
回答
找不到
sklearn
.model_selection模块
python
、
scikit-learn
我正在尝试从数据
进行
线性
回归
,但当我尝试以下操作时: from
sklearn
.model_selection import train_test_split from
sklearn
.model_selection import train_test_splitKeyError: 32 linear_model
浏览 62
提问于2019-04-25
得票数 1
2
回答
TypeError:不可散列的类型
scikit-learn
、
sklearn-pandas
我写了一小段代码来
使用
sklearn
进行
线性
回归
。我在网上看了看
浏览 2
提问于2015-12-11
得票数 9
回答已采纳
0
回答
不同的
线性
回归
系数与统计模型和
sklearn
scikit-learn
、
linear-regression
、
statsmodels
我计划
使用
sklearn
linear_model绘制
线性
回归
结果图,并
使用
statsmodels.api获取学习结果的详细摘要。然而,这两个包在相同的输入上产生了非常不同的结果。例如,来自
sklearn
的常量项是7.8e-14,但来自statsmodel的常量项是48.6。(当
使用
这两种方法时,我在x中为常量项添加了一列1)我的两种方法的代码都是成功的: # Use statsmodels linear regression to get a result (summ
浏览 5
提问于2016-07-19
得票数 0
回答已采纳
1
回答
sklearn
.cross_validation和
sklearn
.model_estimation有什么区别?
python
、
machine-learning
、
scikit-learn
当我运行Python代码
进行
线性
回归
时,我想知道导入
sklearn
.model_estimation和
sklearn
.cross_validation之间的区别。我发现
sklearn
.model_estimation调用了一个名为next(ShuffleSplit().split(X, y))的方法,而
sklearn
.cross_validation调用了一个名为
浏览 0
提问于2018-07-03
得票数 0
1
回答
用Python中的
sklearn
用MAE训练
线性
模型
python
、
scikit-learn
、
data-science
目前,我正在尝试训练一个
线性
模型,
使用
python中的
sklearn
,但不是以均方误差(MSE)作为误差度量,而是
使用
平均绝对误差(MAE)的。具体而言,我需要一个
线性
模型,以MAE作为我在大学教授的要求。我研究过
sklearn
.linear_model.LinearRegression,因为它是OLS
回归
器,所以它没有提供替代的错误度量。因此,我检查了其他可用的
回归
器,无意中发现了
sklearn
.linear_model.Huber
浏览 2
提问于2018-05-17
得票数 9
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
sklearn调包侠之线性回归
python+jupyter+sklearn 利用线性回归预测房价
使用Statsmodel进行假设检验和线性回归
使用R语言进行多项式回归、非线性回归模型曲线拟合
在 Azure 机器学习中使用线性回归
热门
标签
更多标签
活动推荐
运营活动
广告
关闭
领券