数据集介绍: http://archive.ics.uci.edu/ml/datasets/Combined+Cycle+Power+Plant
数据集下载:http://archive.ics.uci.edu/ml/machine-learning-databases/00294/
- 我看原博的数据并没有标准化…
- 回归模型对象可以直接使用dataframe数据类型来fit。就是说fit()方法的参数可以是dataframe数据类型。
- train_test_split()函数用来划分训练集和测试集,参数是dataframe数据,返回的还是dataframe数据。注意这个函数在sklearn.model_selection
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_data, y_data, random_state=1)
- 模型评价使用到metrices模块。里面有函数mean_squared_error()
- RMSE自己计算,直接在MSE上开根号就可以。多用一个np.sqrt()
metrics.mean_squared_error(y_test, y_pred)交叉验证
- 不用划分训练集,测试集了。
- cross_val_predict()函数也在sklearn.model_selection
-
- 直接cross_val_predict一个函数就把10折的训练和测试全做了。
sklearn.model_selection import train_test_split, cross_val_predict
predicted = cross_val_predict(linreg, X, y, cv=10)补充知识
2.train_test_split()
随机切分数据集作为训练集和测试集。
作用:模型评估。观察是否过拟合。针对有监督学习。
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.4, random_state=0)
- 交叉验证
总体代码官网解释:
只像1.划分训练集和测试集会大大减少用于建模的数据量。交叉验证是一种解决办法。
# 1.获取数据 # 2.处理数据【前两步不涉及python】 # 3.使用pandas读取数据,划分出样本和标签 # 4.用sklearn的train_test_split划分训练集和测试集 # 5.使用sklearn的线性模型训练 # 6.评价训练出的模型,回归常用MSE,RMSE # 7.交叉验证 # 8.画图观察 import numpy as np import pandas as pd from sklearn import linear_model from sklearn.model_selection import train_test_split, cross_val_predict from sklearn.metrics import mean_squared_error from matplotlib import pyplot as plt # --用pandas从外部读数据 CCPP_data = pd.read_csv(r"CCPPFolds5x2_pp.csv") print(CCPP_data.head()) # 划分样本和标签 X_data = CCPP_data[['AT', 'V', 'AP', 'RH']] y_data = CCPP_data['PE'] print(X_data.head()) print(y_data.head()) # --使用sklearn划分训练集和测试集 # 是cross_validation模块中的train_test_split函数 X_train, X_test, y_train, y_test = train_test_split(X_data, y_data, random_state=1) # --用线性模型开始训练 lin_reg = linear_model.LinearRegression() lin_reg.fit(X_train, y_train) print('系数:', lin_reg.coef_, '截距:', lin_reg.intercept_) # --模型评价 # 测试集预测并且评价 y_pre = lin_reg.predict(X_test) lin_mse = mean_squared_error(y_test, y_pre) lin_rmse = np.sqrt(lin_mse) print('MSE:', lin_mse) print('RMSE:', lin_rmse) # 交叉验证 # 这里用10折,不用前面的训练集,测试集划分了 # 直接cross_val_predict一个函数就把10折的训练和测试全做了。 cv_predicts = cross_val_predict(lin_reg, X_data, y_data, cv=4) cv_mse = mean_squared_error(cv_predicts, y_data) cv_rmse = np.sqrt(cv_mse) print('cv MSE:', cv_mse) print('cv RMSE:', cv_rmse) ## --画图 # 横坐标是真实标签,纵坐标是预测值(使用的是上面交叉验证的结果) # plot线就是一条y=x fig = plt.figure(1) ax = fig.add_subplot(111) ax.scatter(y_data, cv_predicts, s=20, edgecolor='b') # 散点图 ax.plot([y_data.min(), y_data.max()], [y_data.min(), y_data.max()], 'r--') plt.show()