这篇博客详细介绍了如何在Azure Machine Learning平台上构建一个简单的线性回归模型。首先从数据源获取汽车价格数据，然后进行数据预处理，包括剔除空缺值和选择关注的特征。接着，通过Split模块划分训练集和测试集，使用Linear Regression模块训练模型，并对测试数据进行评分。最后，通过Evaluate Model模块评估模型性能，包括MAE、RMSE等指标。
1. 获取数据源
在 experiment 画板的左侧有一大栏数据集和模块.在搜索框中输入automobile就能找到数据源 Automobile price data (Raw)，拖到中间面板。
点击该数据源的输出端口，选取"visualize“，就能看到数据信息，我们关心的是最右侧第26列的"price"，将对此做预测
2. 可以发现数据列表中有不少空缺，这会影响Training，得剔除
选取project columns模块，将Automobile price data (Raw)的输出接到project columns的输入，在project columns的属性画板选取Launch column selector，滤除normalized-losses 列
最低0.47元/天 解锁文章
扫一扫
149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
