Я написал различный базовый код sklearn с использованием логистической регрессии для прогнозирования значения.Использование логистической регрессии для прогнозирования значения параметра
Обучение данных выглядит -
https://gist.github.com/anonymous/563591e0395e8d988277d3ce63d7438f
date hr_of_day vals
01/05/2014 9 929
01/05/2014 10 942
01/05/2014 11 968
01/05/2014 12 856
01/05/2014 13 835
01/05/2014 14 885
01/05/2014 15 945
01/05/2014 16 924
01/05/2014 17 914
01/05/2014 18 744
01/05/2014 19 377
01/05/2014 20 219
01/05/2014 21 106
и я выбрал первые 8 пунктов от подготовки данных просто проверить классификатор, который
Я хочу, чтобы предсказать значение vals
, в данных тестирования, я поставил его как 0
. Это верно?
date hr_of_day vals
2014-05-01 0 0
2014-05-01 1 0
2014-05-01 2 0
2014-05-01 3 0
2014-05-01 4 0
2014-05-01 5 0
2014-05-01 6 0
2014-05-01 7 0
Код моей модели, отлично работает. Но мой результат выглядит треугольником. Я ожидал значения vals
. Вместо этого я получаю большую матрицу со всем значением элемента как 0.00030676
.
Я ценю, если кто-то может сообщить подробности или помочь мне лучше сыграть с этим результатом.
import pandas as pd
from sklearn import datasets
from sklearn import metrics
from sklearn.linear_model import LogisticRegression
from datetime import datetime, date, timedelta
Train = pd.read_csv("data_scientist_assignment.tsv", sep='\t', parse_dates=['date'])
Train['timestamp'] = Train.date.values.astype(pd.np.int64)
x1=["timestamp", "hr_of_day"]
test=pd.read_csv("test.tsv", sep='\t', parse_dates=['date'])
test['timestamp'] = test.date.values.astype(pd.np.int64)
print(Train.columns)
print(test.columns)
model = LogisticRegression()
model.fit(Train[x1], Train["vals"])
print(model)
print model.score(Train[x1], Train["vals"])
print model.predict_proba(test[x1])
результатов выглядит следующим образом:
In [92]: print(model)
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
verbose=0, warm_start=False)
In [93]: print model.score(Train[x1], Train["vals"])
0.00520833333333
In [94]:
In [94]: print model.predict_proba(test[x1])
[[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]
[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]
[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]
...,
[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]
[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]
[ 0.00030676 0.00030676 0.00030676 ..., 0.00030889 0.00030885
0.00030902]]
Что это такое, что вы не понимаете? «Я не понимаю» не ставит вопроса. – Julien
@JulienBernu: отредактировал вопрос. Фактически в результате он должен предсказывать значение 'vals', а не то, что я получаю большую матрицу со всеми значениями, установленными в' 0.00030676' – user123
. Вы используете pred_proba, поэтому вы получаете вероятность прогноза. Вместо этого попробуйте использовать model.predict(). –