01 sklearn Plotting Cross-Validated Predictions

最新推荐文章于 2024-03-13 10:20:51 发布

hank0526

最新推荐文章于 2024-03-13 10:20:51 发布

阅读量652

点赞数

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/hank0526/article/details/72637842

Python 专栏收录该内容

3 篇文章

订阅专栏

本文介绍如何使用Sklearn库加载波士顿房价数据集，并通过线性回归模型进行预测。利用cross_val_predict函数实现交叉验证，绘制预测值与实际值的对比图，直观展示模型的预测效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

其实在sklearn里面已经内置的很多经典的数据，比如波士顿的放假，iris花的数据等等。

导入数据方法：

from sklearn import datasets

boston = datasets.load_boston()
X = boston.data
y = boston.target

下面是引入模型的方法：

from sklearn.model_selection import cross_val_predict
#方法1
from sklearn import linear_model
lr = linear_model.LinearRegression()

#方法2

from sklearn.linear_model import LogisticRegression
logreg=LogisticRegressionpredict = cross_val_predict(lr,X,y,cv=10)

下面是完整的代码：

"""
====================================
Plotting Cross-Validated Predictions
====================================

This example shows how to use `cross_val_predict` to visualize prediction
errors.

"""
from sklearn import datasets
from sklearn.model_selection import cross_val_predict
from sklearn import linear_model
import matplotlib.pyplot as plt

lr = linear_model.LinearRegression()
boston = datasets.load_boston()
y = boston.target

# cross_val_predict returns an array of the same size as `y` where each entry
# is a prediction obtained by cross validation:
predicted = cross_val_predict(lr, boston.data, y, cv=10)

fig, ax = plt.subplots()
ax.scatter(y, predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Measured')
ax.set_ylabel('Predicted')
plt.show()