今天要继续昨天做过的部分,因此一开始需要昨天的程序码
import pandas as pd
# 读起资料
melbourne_file_path = './Dataset/melb_data.csv'
melbourne_data = pd.read_csv(melbourne_file_path)
# drop缺失值
filtered_melbourne_data = melbourne_data.dropna(axis=0)
# 选择target和feature
y = filtered_melbourne_data.Price
melbourne_features = ['Rooms', 'Bathroom', 'Landsize', 'BuildingArea',
'YearBuilt', 'Lattitude', 'Longtitude']
X = filtered_melbourne_data[melbourne_features]
from sklearn.tree import DecisionTreeRegressor
# 定义model
melbourne_model = DecisionTreeRegressor()
# Fit这个模型
melbourne_model.fit(X, y)
DecisionTreeRegressor(ccp_alpha=0.0, criterion='mse', max_depth=None,
max_features=None, max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, presort='deprecated',
random_state=None, splitter='best')
若资料为数值属性,则可以取得每笔资料的误差,全部相加後做平均,即可得到评估Model好坏的标准
from sklearn.metrics import mean_absolute_error
predicted_home_prices = melbourne_model.predict(X)
mean_absolute_error(y, predicted_home_prices)
434.71594577146544
若是验证时使用的资料集和训练时一样,称为in-sample
这种情况会造成计算出来的结果非常的好,但却不贴近真实情况
因此需要将资料分为训练资料以及测试资料
from sklearn.model_selection import train_test_split
# 切分资料成训练资料和验证资料,feature和target都要切分
# 这是使用随机切分的,设定random_stated可以确保每次切分的资料都是一样的
train_X, val_X, train_y, val_y = train_test_split(X, y, random_state = 0)
# 定义model
melbourne_model = DecisionTreeRegressor()
# Fit这个模型
melbourne_model.fit(train_X, train_y)
# 得到验证资料的结果
val_predictions = melbourne_model.predict(val_X)
print(mean_absolute_error(val_y, val_predictions))
266023.7023886378
>>: 【Day 2】Google Apps Script - 平台介绍
拉出 component Component 除了在同一个 module 用之外也能拉出来放 我们来...
如果有错误,欢迎留言指教~ Q_Q 还没写完辣 What’s useRef? 在 React 里希...
来轻松聊聊 今天将接续前篇的内容,分享许多排版时常用的效果。 不透明度 opacity属性可以决定元...
mysql最佳化工具针对一笔叙述根据成本与规则制定一个具体计画,包含了执行叙述的方式、连接表的顺序、...
立案後的费用产生 很多人会产生一个疑问,立案後如果没有营业跟有营业的费用产生的差别。 这里必须要先说...