如何对线性模型执行predict()

对线性模型执行predict()的过程如下：

首先，线性模型是一种用于回归和分类问题的机器学习模型，它基于线性关系来建立预测模型。线性模型的预测结果是输入特征的线性组合加上一个偏置项。
在执行predict()之前，需要先训练线性模型。训练过程中，使用已知的输入特征和对应的输出标签来拟合模型的参数，使得模型能够准确地预测未知数据的输出。
在预测阶段，使用已经训练好的线性模型来对新的输入数据进行预测。具体步骤如下：

a. 准备待预测的输入数据，这些数据应该与训练数据具有相同的特征。

b. 将输入数据传递给线性模型的predict()函数。

c. predict()函数会根据模型的参数和输入数据，计算出预测结果。

d. 返回预测结果，可以是一个连续值（回归问题）或者一个离散类别（分类问题）。

线性模型的predict()函数可以使用各种编程语言来调用，例如Python、Java、C++等。具体调用方式会根据所使用的机器学习框架或库而有所不同。
在腾讯云的云计算平台上，可以使用腾讯云机器学习（Tencent Machine Learning, TML）来训练和部署线性模型。TML提供了丰富的机器学习算法和模型管理功能，可以帮助用户快速构建和部署线性模型。

推荐的腾讯云相关产品：腾讯云机器学习（Tencent Machine Learning, TML）

产品介绍链接地址：https://cloud.tencent.com/product/tml

通过以上步骤，我们可以对线性模型执行predict()，得到对新数据的预测结果。

避免虚拟变量陷阱和神经网络

neural-network、regression、one-hot-encoding

我知道在训练机器学习算法之前，分类数据应该是一个热编码。对于多元线性回归，我还需要排除其中一个编码变量，以避免所谓的虚拟变量陷阱。例:如果我有“大小”：“小”、“中”、“大”的分类特征，那么在一个热编码中，我会有如下内容： small medium large other-feature 0 1 0 2999 因此，为了避免虚拟变量陷阱，我需要删除3列中的任何一列，例如，列“小”。对于神经网络的训练，我也应该这样做吗？还是这纯粹是为了多元回归？谢谢。

浏览 9提问于2017-11-04得票数 11

回答已采纳

1回答

房屋的云ML预测关闭-回归示例

python、tensorflow、machine-learning、google-cloud-platform、google-cloud-ml

运行房屋回归云ML 。我无法预测一个合理的值。我可以通过以下方式在云中运行预测任务 gcloud ml-engine predict --model=${MODEL_NAME} --version=${MODEL_VERSION} --json-instances=data/new-data.json，其中new-data.json是默认的json文件。但是，预测产生的值为 PREDICTIONS [5.268091678619385] 这很奇怪，因为此数据的正确MEDV值(train- data -01.csv的第一行)是34.7。我再次尝试使用不同的测试数据和

浏览 0提问于2018-03-24得票数 1

3回答

特征越多，线性模型越完善。

machine-learning、linear-algebra

我需要更多地了解特性数量与线性模型回归之间的关系，基于Andreas C. Müller和Sarah Guido所著的“机器学习与Python入门”一书第47页的这一段：对于具有许多特征的数据集，线性模型可能非常强大。特别是，如果你有比训练数据点更多的特征，那么任何目标y都可以完美地建模(在训练集上)为一个线性函数。它是如何用线性代数来解释的？谢谢

浏览 0提问于2018-08-04得票数 0

回答已采纳

1回答

在google云中，哪个是最佳的选择调用训练机器学习模型？

python、google-cloud-platform、gcp-ai-platform-training

我在python中有一个经过训练的机器学习模型来获得一个回归输出，这个模型是用scikit- learning训练的。我想将这个预测插入到防火墙中，我将使用云函数来完成它，每天使用云调度程序来调度它。我的问题是我要把这个受过训练的机器学习模型藏在哪里？我能把它存储到google存储中并在云函数中调用它来获得预测吗？还是我应该把它存储在人工智能平台上？如果答案是进入人工智能平台，为什么？如果我把它存储到AI平台上，我有什么优势？我能用那里的新数据训练模型吗？我一直在读到，这是可能的，但我不知道为什么更好，如何更好

浏览 3提问于2019-10-28得票数 0

回答已采纳

2回答

离散值回归？

classification、regression、linear-regression、k-nn

我是机器学习/统计算法方面的新手，但我使用过一些简单的分类器和回归。鉴于我的知识有限，我想就我是否走上正确的方向发表一些意见。我的问题是:考虑到数据库中最相似的项目的已知价格，我希望对输入项的价格进行最佳预测。起初，这听起来像是回归问题，但我的特性是离散的和连续的。例如，产品制造/模型是离散的，而制造年份是连续的吗？现在，我正在考虑通过欧几里得距离找到x最近的匹配，然后加权平均+以某种方式确保一定的特征匹配(就像项目模型类型)。谢谢。

浏览 0提问于2018-12-20得票数 4

1回答

为什么线性模型在图像分类中起作用？

machine-learning、classification、linear-algebra

我正在认真学习机器学习的所有数学基础。我非常清楚，它在数学上是可行的，但有一件事我无法理解。我的问题很简单，因为：为什么线性模型在训练图像到字符(例如，使用notMNIST数据集作为训练源)分类模型时工作？据我所知，用线性模型，我们是说输出是一个函数，一个输入+一个偏差参数的线性函数。但是我已经知道线性模型在其他类型的应用程序中不能很好地工作。那么，为什么它适用于这个而不是对其他人呢？

浏览 2提问于2017-06-20得票数 0

回答已采纳

3回答

机器学习的非预测应用

machine-learning

Prediction似乎是machine learning的主导主题。大多数算法都有fit和predict函数，因此可以建立模型，从新的特征集中预测结果或其他感兴趣的参数。机器学习的non-prediction applications是什么？

浏览 0提问于2018-11-05得票数 0

回答已采纳

2回答

与经过训练的机器学习模型一起使用时的特征顺序

machine-learning、pickle

假设我有一个使用F1、F2和F3功能训练的机器学习算法。然后，该模型随后被拾取并用于另一个项目(使用Joblib导入)。在使用经过训练的模型时，输入是否需要具有相同的顺序(F1、F2或F3)？

浏览 40提问于2019-04-21得票数 0

回答已采纳

1回答

何时使用zscore对数据进行标准化(拆分前或拆分后)

apache-spark、machine-learning、scikit-learn

我正在学习udemy课程，它提出了一个强有力的理由，即只对训练数据进行标准化(在从测试数据中分离出来之后)，因为该模型通常将由新数据使用，具有原始集合的规模特征。如果你对测试数据进行缩放，那么你就没有正确地给模型评分。另一方面，我发现我的两类逻辑回归模型(使用Azure Machine Learning Studio创建)在仅对训练数据进行Z-Score缩放后获得了糟糕的结果。 a.这只是Azure的工具的问题吗？b.当特征数据需要缩放(差异一个、两个或三个数量级)时，什么是一个好的经验法则？

浏览 27提问于2020-07-01得票数 1

回答已采纳

1回答

人工设计某些规则的机器学习

python-3.x、machine-learning

对于我的问题，我有以下机器：machine 在这台机器中，有两个门，一个产品可以进入。以下是一些规则和观察结果： -rule 1:如果一个产品从一扇门进入，它就从同一扇门出来。 -rule 2:对于门，如果一个产品已经通过它进入机器，还没有出来，其他产品就不能通过它进入。 -Observation 1:如果两个产品在机器上同时处理，它们的处理速度会变慢。 -Observation 2:产品的加工时间取决于产品的类型。对于这个项目，我需要创建一个模型来估计不同产品在这台机器上的加工时间。因此，我决定使用具有以下输入和输出的机器学习：graph for machine learning 问题是

浏览 19提问于2019-05-16得票数 2

回答已采纳

1回答

为什么Logistic回归模型比机器学习模型在临床预测研究中表现更好

machine-learning、logistic-regression、binary-classification、linearly-separable

我正在开发二进制分类模型，以预测我的数据集中的医疗状况。我的结果表明，Logistic回归和线性支持向量机的性能一直优于其他ML算法(SVM、NB、MLP和DT)，如下截图所示： 📷 观察最近的研究，我发现了多项关于机器学习在临床预测模型中不优于logistic回归现象的研究和评论，例如对71项研究的系统回顾：https://pubmed.ncbi.nlm.nih.gov/30763612/。我想了解LR比其他更复杂的ML算法性能更好意味着什么？它只是表明我的类是线性可分的吗？

浏览 0提问于2023-03-16得票数 0

回答已采纳

2回答

从机器学习训练的模型中获得某种数学公式

python、machine-learning

我已经在这里提出了这个问题：，但我觉得我不够清楚，而且提议的想法对我也不起作用。假设使用我的计算机，我训练了某种机器学习算法(即朴素贝叶斯、决策树、线性回归等)。所以我已经有了一个经过训练的模型，我可以给它一个输入值，它会返回预测的结果(即1或0)。现在，假设我仍然想给出一个输入，并得到一个预测的输出。然而，此时我希望我的输入值乘以某种数学公式、权重或表示我的“训练模型”的矩阵。换句话说，我希望我训练的模型“转换”成某种公式，我可以输入并得到预测的数字。我之所以要这样做，是因为我想训练一个大型数据集，并使用复杂的预测模型。并在更简单的硬件中使用这个经过训练的预测模型，例如PIC32微控

浏览 5提问于2019-04-27得票数 0

1回答

机器学习的r和PCA解释

r、machine-learning、pca、r-caret

我参加了课程中的实用机器学习，我对其中一项任务感到困惑。我想要非常清楚的是，我不是在发帖，因为我希望有人给我答案--我只想让帮助理解正在发生的事情。我们正在学习PCA和预处理。我的理解是，PCA全部是试图将多个共线性变量合并成一个因子，而PCA算法试图在使用最少的变量数的情况下找到这些变量的最佳线性组合。例如，如果我有5个高度相关的变量，PCA可能会发现，仅仅在一个组合中使用其中的4个就可以解释最大的方差。然后，当你进行训练时，它会应用任何变量和系数的组合是一个单一的预测器，而不是单个变量(对吗)？我很难理解幕后所发生的事情。例如，在一个讲座中，数据集中有58个变量(第58是DV)，我们试

浏览 4提问于2015-08-12得票数 2

1回答

验证数据集在机器学习中到底是如何工作的？

machine-learning、linear-regression

对于典型的机器学习，您通常会使用训练数据集来创建某种类型的模型，并使用测试数据集来测试新创建的模型。对于像线性回归这样的东西，在使用训练数据创建模型之后，您现在有了一个方程，可以用来预测测试数据中的一组特性的结果。然后，您将获得模型返回的预测，并将其与测试集中的实际数据进行比较。这里将如何使用验证集？对于最近的邻居，您将使用训练数据来创建一个具有训练集所有特性的n维空间。然后，您将使用这个空间对测试数据中的特性进行分类。同样，您将将这些预测与数据的实际值进行比较。验证集在这里也有什么帮助呢？

浏览 0提问于2016-08-09得票数 4

回答已采纳

1回答

有没有办法实现一个机器学习模型，可以预测给定数据集中出现最多的句子

python-3.x、machine-learning、nlp

有没有办法实现一个机器学习模型，可以预测给定数据集中出现的最多的句子？假设我有一个数据集，其中包含这样的句子。 -> this is a machine learning model. -> this is a machine learning model. -> A language model can predict the probability of the next word in the sequence. -> Build a Deep Neural Network for Sentiment Classification. -> this is a

浏览 0提问于2019-11-15得票数 0

2回答

使用机器学习模型(scikit或statsmodel)回答业务问题

python、machine-learning、statistics、regression、data-science

谢谢你在这方面的帮助。这感觉像是一个愚蠢的问题，我可能把事情搞得过于复杂了。一些背景信息-我最近刚刚学习了Python中的一些机器学习方法(scikit和一些统计模型)，例如线性回归，逻辑回归，KNN等。我可以在pandas数据框中准备数据，将分类数据转换为0和1。我也可以将这些加载到模型中(例如，scikit learn中的逻辑回归)。我知道如何训练和测试它(使用CV等)，以及一些微调方法(gridscore等)。但这一切都在根据新数据预测结果的范围内。我主要专注于学习建立一个模型来预测新的X值，并测试该模型以确认准确性/精确度。然而，现在我在识别和执行其他类型的问题时遇到了困难，比如回

浏览 4提问于2017-05-18得票数 0

1回答

Logistic回归的搜索/预测时间复杂度是多少？

machine-learning、time-complexity、logistic-regression

我正在研究机器学习算法的时间复杂性，我无法找到用于预测新输入的Logistic回归的时间复杂性。我读过，对于分类是O(c*d) c-是类数，d是维数，我知道对于线性回归，搜索/预测时间复杂度是O(d)。你能解释一下Logistic回归的搜索/预测时间复杂度是什么吗？提前谢谢你其他机器学习问题的示例：

浏览 2提问于2019-01-17得票数 10

回答已采纳

1回答

新事物的分类--多项朴素贝叶斯

python、machine-learning、classification、scikit-learn

所以我现在已经用[SKiLearn][1]训练了一个多项式朴素贝叶斯分类器，现在我能做的就是用predict对测试数据进行分类。但是如果我想每天晚上运行这个脚本，我显然需要一个已经训练好的分类器！现在我想要做的是，获取分类器系数，信息性的单词，并使用它们来对新数据进行分类。有没有可能--开发我自己的分类方法？或者我应该每晚简单地训练SkiLearn分类器？编辑:看起来我能做的一件事，就是保留和。然而，对于逻辑回归，您可以将系数用于新数据。NB也有类似的东西吗？

浏览 0提问于2014-05-15得票数 0

1回答

奇异线性回归学习曲线

python、scikit-learn、linear-regression

我正试图建立一个房价预测模型。我使用python学习工具集。我使用的数据集有总楼面面积和公寓位置，我已将其转换为虚拟特征。因此，数据集看起来如下：然后，我建立了一个学习曲线，看看模型做得如何。我用这种方式建立了学习曲线： from matplotlib import pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.model_selection import learning_curve model = LinearRegression() training_sizes, train

浏览 1提问于2020-03-13得票数 2

回答已采纳

2回答