ML之回归预测：利用FSR/RiR/BasisExpand/ Lasso/DT/RF/GB算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测)

2024-05-30 15:54:06

ML之回归预测：利用FSR/RiR/BasisExpand/ Lasso/DT/RF/GB算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测)

目录

输出结果

设计思路

T1、FSR(前向逐步回归)

T2、RiR(岭回归)

T3、基扩展BasisExpand

核心代码

输出结果

Index(['fixed acidity', 'volatile acidity', 'citric acid', 'residual sugar',
'chlorides', 'free sulfur dioxide', 'total sulfur dioxide', 'density',
'pH', 'sulphates', 'alcohol', 'quality'],
dtype='object')

设计思路

T1、FSR(前向逐步回归)

Out of sample error versus attribute set size
[0.7234259255116278, 0.6860993152837196, 0.6734365033420278, 0.6677033213897796, 0.6622558568522273, 0.6590004754154626, 0.6572717206143076, 0.6570905806207697, 0.6569993096446138, 0.6575818940043473, 0.657390986901134]

Best attribute indices
[10, 1, 9, 4, 6, 8, 5, 3, 2, 7, 0]

Best attribute names
['"alcohol"', '"volatile acidity"', '"sulphates"', '"chlorides"', '"total sulfur dioxide"', '"pH"', '"free sulfur dioxide"', '"residual sugar"', '"citric acid"', '"density"', '"fixed acidity"']

T2、RiR(岭回归)

RMS Error alpha
0.6595788176342458 1.0
0.6578610918808593 0.1
0.6576172144640243 0.010000000000000002
0.6575216482641756 0.0010000000000000002
0.6574190680109294 0.00010000000000000002
0.6573941628851253 1.0000000000000003e-05
0.6573913087155858 1.0000000000000004e-06

T3、基扩展BasisExpand

核心代码

ML之回归预测：利用FSR/RiR/BasisExpand/ Lasso/DT/RF/GB算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测)相关推荐

ML之回归预测之Lasso：利用Lasso算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测)
ML之回归预测之Lasso:利用Lasso算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测) 目录输出结果设计思路核心代码输出结果设计思路核心代码 t=3if t==1:X ...
ML之回归预测之BE：利用BE算法解决回归(实数值评分预测)问题—线性方法解决非线性问题
ML之回归预测之BE:利用BE算法解决回归(实数值评分预测)问题-线性方法解决非线性问题目录输出结果设计思路代码实现输出结果设计思路代码实现 for row in xList:newRo ...
ML之回归预测：以某个数据集为例从0到1深入理解科学预测之回归(实数值评分预测)问题的思路框架
ML之回归预测:以某个数据集为例从0到1深入理解科学预测之回归(实数值评分预测)问题的思路框架相关文章 ML之PLiR之LARS:利用LARS算法求解ElasticNet回归类型问题(实数值评分预测 ...
EL之Bagging：利用Bagging算法实现回归预测(实数值评分预测)问题
EL之Bagging:利用Bagging算法实现回归预测(实数值评分预测)问题目录输出结果设计思路核心思路输出结果设计思路核心思路 #4.1.当treeDepth=1,对图进行可视化 # ...
ML之PLiR之LARS：利用LARS算法求解ElasticNet回归类型(包括类别编码+属性重要程度排序)问题(实数值年龄预测)
ML之PLiR之LARS:利用LARS算法求解ElasticNet回归类型(包括类别编码+属性重要程度排序)问题(实数值年龄预测) 目录输出结果设计思路核心代码输出结果设计思路核心代码 x ...
ML之PLiR之Glmnet：利用Glmnet算法求解ElasticNet回归类型问题(实数值评分预测)
ML之PLiR之Glmnet算法:利用Glmnet算法求解ElasticNet回归类型问题(实数值评分预测) 目录输出结果 1.Glmnet算法实现代码输出结果 0 2 1 2 2 2 3 3 ...
ML之PLiR之LARS：利用LARS算法求解ElasticNet回归类型问题(实数值评分预测)
ML之PLiR之LARS:利用LARS算法求解ElasticNet回归类型问题(实数值评分预测) 目录设计思路输出结果 1.LARS 2.10-fold cross validation 实现代码 ...
ML之回归预测：以某个数据集为例从0到1深入理解科学预测之回归(实数值年龄预测)问题的思路框架
ML之回归预测:以某个数据集为例从0到1深入理解科学预测之回归(实数值年龄预测)问题的思路框架目录 1.总体思路架构图 2.各个步骤详细图 1.总体思路架构图 2.各个步骤详细图
EL之Bagging(DTR)：利用Bagging对回归问题(实数值评分预测)建模(调2参)
EL之Bagging(DTR):利用Bagging对回归问题(实数值评分预测)建模(调2参) 目录输出结果设计思路核心代码输出结果设计思路核心代码 bagFract = 1.0 #---- ...

最新文章

热门文章