import numpy as np
from sklearn.neighbors import kneighborsregressor
from sklearn.metrics import mean_absolute_error ,mean_squared_log_error ,r2_score
x_train = np.array([[
158,1]
,[170,1]
,[183,1]
,[191,1]
,[155,0]
,[163,0]
,[180,0]
,[158,0]
,[170,0]
])y_train= np.array([64
,86,84
,80,49
,59,67
,54,67
])x_test = np.array([[
168,1]
,[180,1]
,[160,0]
,[169,0]
])y_test =[65
,96,52
,67]k =
3clf = kneighborsregressor( n_neighbors = k )
clf.fit(x_train , y_train)
#將資料傳入了clf這個物件中，這個物件已經能有**的能力了已經有了乙個趨勢了就是有了那個回歸函式了
predictions = clf.predict(x_test)
print
("predicte weight :%s"
% predictions)
print
("really weight :%s"
% y_test )
print
("-- --"
)#決定係數（擬合優度)
print
("coefficient of detemination 決定係數（擬合優度r2):%s "
% r2_score(y_test ,predictions)
)print
("-- --"
)#平均絕對值誤差（mean_absolute_error）
print
("平均絕對值誤差（mean_absolute_error） :%s "
% mean_absolute_error(y_test ,predictions)
)print
("-- --"
)#均方差（mean-squared-error）
print
("均方差（mean-squared-error） :%s "
% mean_squared_log_error(y_test , predictions )
)'''
print("另一種方法計算：")#應該不行，因為他不能輕易轉換為01二進位制
from sklearn.preprocessing import labelbinarizer
from sklearn.metrics import classification_report
lb =labelbinarizer()
y = lb.transform(y_test)
predictions = lb.transform(predictions)
print(classification_report(y , predictions , target_names= ["name"] , labels = [1] ) )
'''
predicte weight :
[70.6666666779.
59.70.66666667
]really weight :[65
,96,52
,67]-
---coefficient of detemination 決定係數（擬合優度r2)
:0.6290565226735438--
--平均絕對值誤差（mean_absolute_error） :
8.333333333333336--
--均方差（mean-squared-error） :
0.01551486028554209
process finished with exit code 0
線性回歸模型 線性回歸模型
回歸的思想和分類有所不一樣，分類輸出的結果為離散的值，回歸輸出的是乙個連續型的值。線性回歸的思想就是試圖找到乙個多元的線性函式 當輸入一組特徵 也就是變數x 的時候，模型輸出乙個 值y h x 我們要求這個 值盡可能的準確，那麼怎麼樣才能做到盡可能準確呢？其中 表示實際值，表示 值 其中 表示實際值...
機器回歸 儲存模型，載入模型，邏輯回歸
from sklearn.externals import joblib 1.儲存jobib.dump rf,test.plk sgd sgdregressor sgd.fit x train,y train print sgd.coef 儲存訓練好的模型 joblib.dump sgd,tmp t...
邏輯回歸模型 SAS邏輯回歸模型訓練
邏輯回歸模型是金融信貸行業製作各類評分卡模型的核心，幾乎80 的機器學習 統計學習模型演算法都是邏輯回歸模型，按照邏輯美國金融公司總結的sas建模過程，大致總結如下 一般通用模型訓練過程 a 按照指定需求和模型要求製作driver資料集，包含欄位有user id,dep b 其中，空值賦預設值即 c...