Makine öğrenimi için yeni biriyim. Belirli bir modeli takip eden "oluşturulmuş" verilerle doğrusal regresyon kullanarak basit bir tahmin çalışıyorum. Bazı nedenlerden ötürü, tahmin eğitim verisi ile uyuşmuyor. Düzeltmem gereken şeyi bilmeme izin verir misin? Örnek kodDoğrusal regresyon tahmini, eğitim verilerini eşleştirmiyor
from sklearn import linear_model
import numpy as np
X = np.random.randint(3, size=(3, 1000))
Y = np.random.randint(10, size=(1, 1000))
# f1, f2, f3 - min = 0, max = 2
# f1 = 0 and f2 = 1 then 7 <= Y < 10, irrespective of f3
# f1 = 1 and f2 = 2 Y is 0, irrespective of f3
# f1 = 0 and f2 = 2 if f3 = 2 then 3 <= Y < 7 else Y = 0
for i in range(1000):
if ((X[0][i] == 0 and X[1][i] == 1) or (X[0][i] == 1 and X[1][i] == 0)):
Y[0][i] = np.random.randint(7, 10)
elif ((X[0][i] == 1 and X[1][i] == 2) or (X[0][i] == 2 and X[1][i] == 1)):
Y[0][i] = 0
elif ((X[0][i] == 0 and X[1][i] == 2 and X[2][i] == 2) or
(X[0][i] == 2 and X[1][i] == 0 and X[2][i] == 2)):
Y[0][i] = np.random.randint(3, 7)
else:
Y[0][i] = 0
X1 = X.transpose()
Y1 = Y.reshape(-1, 1)
print zip(X1, Y1)
# create and fit the model
clf = linear_model.LinearRegression()
clf.fit(X1, Y1)
Z = np.array([[0, 0, 0, 0, 1, 1],
[1, 1, 2, 2, 2, 2],
[1, 2, 1, 2, 1, 2]])
Z1 = Z.transpose()
print Z1
y_predict = clf.predict(Z1)
print y_predict
Tabii eğitim verileri bu tür için daha iyi bir algoritma nedir? – user6147957
Tek bir karar/gerileme ağacı (veya çok küçük bir rasgele orman) onu iyi işlemelidir. – lejlot
Teşekkürler kararsızdı iyi çalıştı – user6147957