我正在 Kaggle 中解决一个标签为正数的知识问题。我尝试在 scikit-learn 中使用 SGDRegressor 来训练和测试模型。然而，学习模型的一些预测是否定的。
因此，我想知道是否有一种方法可以限制像 SGD(在 scikit learn 中)这样的回归器的预测仅具有正值。我知道在获得预测后可以使用强力技术来限制值，但我不热衷于遵循这种方法，因为它不能代表真实的模型。
最佳答案
您可能希望适应 z = np.log(y) 而不是 y:model = SGDRegressor(**params).fit(X_train ，np.log(y_train))，然后y_predicted = np.exp(model.predict(X_test))。
如果您希望能够，您可以子类化 SGDRegressor 来重载 fit 和 predict 方法，以便在内部执行目标变量的更改在此类模型上使用 sklearn 的 cross_val_score 和 GridSearchCV 工具
关于scikit-learn - 将 scikit-learn 中 SGDRegressor 的预测限制为正值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26897981/