TPOT自动选择机器学习模型和参数--回归示例

最新推荐文章于 2025-06-04 09:09:46 发布

水木小僧

最新推荐文章于 2025-06-04 09:09:46 发布

阅读量6.3k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python与机器学习

本文链接：https://blog.youkuaiyun.com/tony_stark_wang/article/details/79886030

本文介绍如何使用TPOT库在Win10环境下，基于PyCharm和Anaconda处理sklearn的波士顿房价数据集进行回归分析。通过示例代码展示TPOT如何自动选择XGBRegressor模型，并探讨了在多次迭代中CV分数为负值的问题，提出模型迭代次数与性能优化的关联性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前两篇博客写了在anacoda下安装tpot库和使用tpot做分类的例子，这篇是写做回归的例子

anacoda下安装tpot库

使用TPOT自动选择scikit-learn机器学习模型和参数--分类示例

环境：win10+pycharm+anacoda

数据集：sklearn自带的波士顿房价数据集

代码：

'''
    回归，预测波士顿房价
    '''
    from tpot import TPOTRegressor
    import pandas as pd
    import numpy as np
    from sklearn.datasets import load_boston
    from sklearn.model_selection import train_test_split
 
    housing = load_boston()
    X_train, X_test, y_train, y_test = train_test_split(housing.data, housing.target)
                                                       # ,train_size=0.75, test_size=0.25)

    tpot = TPOTRegressor(generations=20, verbosity=2) #迭代20次
    tpot.fit(X_train, y_train)
    print(tpot.score(X_test, y_test))
    tpot.export('pipeline.py')

运行结果：