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)
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
- 3年,感谢你与几维安全一起经历的风风雨雨
- How to Get Name of Months in ABAP/4
- pylucene构建索引_java-Apache Lucene:建立索引时如何使用TokenSt...
- 只有想不到,「99」种扩展Jupyter功能的好方法
- SQL用户存在则更新不存在则插入
- 面试必备|ID3、C4.5、CART、RF、boosting、Adaboost、GBDT、xgboost模型
- relu函数为分段线性函数,为什么会增加非线性元素
- 重庆“扫黄打非”部门打掉一网络传黄团伙,查获淫秽视频11万余部
- es6中class类的全方面理解
- jmeter 能调用python吗_jmeter 执行python脚本的方法 。(亲测ok)
- 速锐得驾培驾考免接线OBD数据价值及发展思路
- 气缸模组控制一以1200PLC为例从易到难学习
- header元素的使用
- 英特尔显卡不支持自定义分辨率N卡解决办法
- 做什么样的软件才能赚钱?
- Android Studio使用天天模拟器运行Android程序
- python成都 培训
- @Required用法
- 推荐5款edge浏览器插件
- JAVA面试、笔试题