我有以下 pandas 数据框数据集:
答:
col1 col2
0 5 3
1 5 4
乙:
col1 col2
0 6 4
1 2 4
我的列表:
[24.5, 65.4]
假设我有一个包含 30 个 A、B、my_list 对的数据集,它们具有不同的值集。更改数据帧 A 和 B 中的一个或两个中的单个或多个值会影响 my_list 中的值。
假设我想在 my_list 中实现 [65.0, 46.21],我需要找出 A、B 数据帧中需要存在哪些值。
我正在寻找解决此问题的最佳解决方案的建议?一个简单的机器学习算法?深度学习模型?如果是这样,我应该使用哪一个?
请注意,我的数据集只有 30 个,我希望获得一个尽可能接近所需 my_list 值的值。
我们将不胜感激任何建议。
最佳答案
听起来您需要一个回归算法。
我可以将您的任务转换为:给定 8 个位置输入,找到一个通用公式,该公式可生成最接近所需输出的输出。这是一个典型的回归问题,您可以使用许多强大的工具。
鉴于您的数据集很小,您最好从线性回归等简单算法开始,然后在必要时转向更复杂的算法,例如支持向量机。
关于python - 学习影响给定列表值的两个数据帧之间关系的最佳方法是什么?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53439823/