各种算法的回归效果

椰风风风档不住

于 2020-06-05 15:46:31 发布

阅读量455

点赞数

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python

本文链接：https://blog.youkuaiyun.com/u010970317/article/details/106571848

这篇博客探讨了在Python中knn和gbrt算法作为回归方法的表现，指出它们具有较好的效果。同时，文章穿插介绍了Python编程的一些实用知识点，包括自定义函数的使用，np.arange创建等差数列，以及f-string高效且直观的字符串格式化方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目前看来knn与gbrt效果挺好
花絮：python各种知识点
1.自定义函数，结尾请用return返回结果方便调用
2.np.arange：产生等差数列
3.f - string：Python 字符串的格式化，从 %格式到 format再到 f-string，格式化的方式是越来越直观，同时 f-string 的效率似乎也比前两个高。

参考文档：https://www.cnblogs.com/traditional/p/9445930.html

#回归
import numpy as np
import matplotlib.pyplot as plt
from sklearn import tree
from sklearn.linear_model import LinearRegression
from sklearn import svm
from sklearn import neighbors
from sklearn import ensemble
from sklearn.tree import ExtraTreeRegressor

def gen_data(x1,x2):
    y=np.sin(x1)*0.5 +np.cos(x2)*0.5 + 0.1*x1 +np.random.random(1)
    return y #知识点1

x1_train = np.linspace(0,50,100)
x2_train = np.linspace(-10,10