我正在尝试对以下数据执行线性回归。
X = [[ 1 26]
[ 2 26]
[ 3 26]
[ 4 26]
[ 5 26]
[ 6 26]
[ 7 26]
[ 8 26]
[ 9 26]
[10 26]
[11 26]
[12 26]
[13 26]
[14 26]
[15 26]
[16 26]
[17 26]
[18 26]
[19 26]
[20 26]
[21 26]
[22 26]
[23 26]
[24 26]
[25 26]
[26 26]
[27 26]
[28 26]
[29 26]
[30 26]
[31 26]
[32 26]
[33 26]
[34 26]
[35 26]
[36 26]
[37 26]
[38 26]
[39 26]
[40 26]
[41 26]
[42 26]
[43 26]
[44 26]
[45 26]
[46 26]
[47 26]
[48 26]
[49 26]
[50 26]
[51 26]
[52 26]
[53 26]
[54 26]
[55 26]
[56 26]
[57 26]
[58 26]
[59 26]
[60 26]
[61 26]
[62 26]
[63 26]
[64 26]
[65 26]
[66 26]
[67 26]
[68 26]
[69 26]]
Y = [ 192770 14817993 1393537 437541 514014 412468 509393 172715
329806 425876 404031 524371 362817 692020 585431 446286
744061 458805 330027 495654 459060 734793 701697 663319
750496 525311 1045502 250641 500360 507594 456444 478666
431382 495689 458200 349161 538770 355879 535924 549858
611428 517146 239513 354071 342354 698360 467248 500903
625170 404462 1057368 564703 700988 1352634 727453 782708
1023673 1046348 1175588 698072 605187 684739 884551 1067267
728643 790098 580151 340890 299185]
我正在尝试绘制结果以查看回归线
regr = linear_model.LinearRegression()
regr.fit(X, Y)
plt.scatter(X[:,0], Y, color='black')
plt.plot(X[:,0], regr.predict(X), color='blue',
linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()
('系数:\n', array([-34296.90306122, 0. ])) 残差平方和:1414631501323.43 方差得分:-17.94
我正在尝试预测
pred = regr.predict([[49, 26]])
print pred
训练数据中已经存在的东西,结果是 [-19155.16326531]
实际值为625170
我做错了什么?
请注意,26 的值来自较大的数组,我已将该数据切成一小部分,以便在 26 上进行训练和预测,类似地,X[:,0] 可能不是连续值,它会再次出现来自更大的数组。 我所说的数组是指 numpy 数组
最佳答案
正如 SAMO 在评论中所说,目前尚不清楚您的数据结构是什么。假设 X 和目标 Y 有两个特征,如果将 X 和 Y 转换为 numpy 数组,则代码将按预期工作。
import numpy as np
from sklearn import linear_model
import matplotlib.pyplot as plt
x1 = range(1, 70)
x2 = [26]*69
X = np.column_stack([x1, x2])
y = ''' 192770 14817993 1393537 437541 514014 412468 509393 172715
329806 425876 404031 524371 362817 692020 585431 446286
744061 458805 330027 495654 459060 734793 701697 663319
750496 525311 1045502 250641 500360 507594 456444 478666
431382 495689 458200 349161 538770 355879 535924 549858
611428 517146 239513 354071 342354 698360 467248 500903
625170 404462 1057368 564703 700988 1352634 727453 782708
1023673 1046348 1175588 698072 605187 684739 884551 1067267
728643 790098 580151 340890 299185'''
Y = np.array(map(int, y.split()))
regr = linear_model.LinearRegression()
regr.fit(X, Y)
plt.scatter(X[:,0], Y, color='black')
plt.plot(X[:,0], regr.predict(X), color='blue',
linewidth=3)
plt.xticks(())
plt.yticks(())
plt.show()
print regr.predict([[49,26]])
# 611830.33589088
关于python - 使用 Sklearn 预测的线性回归不起作用。数据不正确,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38641342/