ML之回归预测：利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(包括特征工程和单参数调参)

目录

利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(包括特征工程)

1、LassoR

2、KernelRidgeR

3、ElasticNetR

4、GBR

5、LGBMR

6、XGBR

相关文章
ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理(史上最完整，建议收藏)
ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理实现
ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理(史上最完整，建议收藏)——附录
ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理实现
ML之回归预测：利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测
ML之回归预测：利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测实现

利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(包括特征工程)

1、LassoR

LassoR-0.5 Score value: -0.0005055552395767382
LassoR-0.5 R2    value: -0.0005055552395767382
LassoR-0.5 MAE   value: 0.09939996261234317
LassoR-0.5 MSE   value: 0.015779522350425033LassoR-0.05 Score value: 0.5022404879755265
LassoR-0.05 R2    value: 0.5022404879755265
LassoR-0.05 MAE   value: 0.07037495216160995
LassoR-0.05 MSE   value: 0.007850438514802703LassoR-0.01 Score value: 0.9688284646643495
LassoR-0.01 R2    value: 0.9688284646643495
LassoR-0.01 MAE   value: 0.017225365757314693
LassoR-0.01 MSE   value: 0.0004916233957423449LassoR-0.005 Score value: 0.9837696043172183
LassoR-0.005 R2    value: 0.9837696043172183
LassoR-0.005 MAE   value: 0.012281723604764734
LassoR-0.005 MSE   value: 0.0002559784801708263LassoR-0.001 Score value: 0.9898771362261237
LassoR-0.001 R2    value: 0.9898771362261237
LassoR-0.001 MAE   value: 0.009067394814047579
LassoR-0.001 MSE   value: 0.00015965324163736406LassoR-0.0001 Score value: 0.9942215817581104
LassoR-0.0001 R2    value: 0.9942215817581104
LassoR-0.0001 MAE   value: 0.0067102545940495514
LassoR-0.0001 MSE   value: 9.113460622032017e-05[-0.0005055552395767382, 0.5022404879755265, 0.9688284646643495, 0.9837696043172183, 0.9898771362261237, 0.9942215817581104]

2、KernelRidgeR

KernelRidgeR-0.5 Score value: 0.9544414613254653
KernelRidgeR-0.5 R2    value: 0.9544414613254653
KernelRidgeR-0.5 MAE   value: 0.020348726878028075
KernelRidgeR-0.5 MSE   value: 0.0007185287233066692KernelRidgeR-0.05 Score value: 0.992221974943464
KernelRidgeR-0.05 R2    value: 0.992221974943464
KernelRidgeR-0.05 MAE   value: 0.008029713794101924
KernelRidgeR-0.05 MSE   value: 0.00012267150300068682KernelRidgeR-0.01 Score value: 0.9953080928564902
KernelRidgeR-0.01 R2    value: 0.9953080928564902
KernelRidgeR-0.01 MAE   value: 0.006042556218634196
KernelRidgeR-0.01 MSE   value: 7.3998643235321e-05KernelRidgeR-0.005 Score value: 0.9961880311177832
KernelRidgeR-0.005 R2    value: 0.9961880311177832
KernelRidgeR-0.005 MAE   value: 0.005338518159253265
KernelRidgeR-0.005 MSE   value: 6.012065386449663e-05KernelRidgeR-0.001 Score value: 0.9973841188580002
KernelRidgeR-0.001 R2    value: 0.9973841188580002
KernelRidgeR-0.001 MAE   value: 0.004183983328177061
KernelRidgeR-0.001 MSE   value: 4.125649750775996e-05KernelRidgeR-0.0001 Score value: 0.9977701958859504
KernelRidgeR-0.0001 R2    value: 0.9977701958859504
KernelRidgeR-0.0001 MAE   value: 0.0036901575950436236
KernelRidgeR-0.0001 MSE   value: 3.516746475864464e-05[0.9544414613254653, 0.992221974943464, 0.9953080928564902, 0.9961880311177832, 0.9973841188580002, 0.9977701958859504]

3、ElasticNetR

ElasticNetR-0.5 Score value: -0.0005308426992141069
ElasticNetR-0.5 R2    value: -0.0005308426992141069
ElasticNetR-0.5 MAE   value: 0.09940889668350568
ElasticNetR-0.5 MSE   value: 0.015779921172832806ElasticNetR-0.05 Score value: 0.5909997356551588
ElasticNetR-0.05 R2    value: 0.5909997356551588
ElasticNetR-0.05 MAE   value: 0.06384977771594441
ElasticNetR-0.05 MSE   value: 0.006450567694263088ElasticNetR-0.01 Score value: 0.9722470175744828
ElasticNetR-0.01 R2    value: 0.9722470175744828
ElasticNetR-0.01 MAE   value: 0.01621461543934733
ElasticNetR-0.01 MSE   value: 0.00043770752114368465ElasticNetR-0.005 Score value: 0.9846441765684218
ElasticNetR-0.005 R2    value: 0.9846441765684218
ElasticNetR-0.005 MAE   value: 0.01189698639426006
ElasticNetR-0.005 MSE   value: 0.00024218512109085247ElasticNetR-0.001 Score value: 0.9902182047362088
ElasticNetR-0.001 R2    value: 0.9902182047362088
ElasticNetR-0.001 MAE   value: 0.00886838381299399
ElasticNetR-0.001 MSE   value: 0.00015427406293142925ElasticNetR-0.0001 Score value: 0.9942704213728978
ElasticNetR-0.0001 R2    value: 0.9942704213728978
ElasticNetR-0.0001 MAE   value: 0.006695706278914398
ElasticNetR-0.0001 MSE   value: 9.036432984445262e-05[-0.0005308426992141069, 0.5909997356551588, 0.9722470175744828, 0.9846441765684218, 0.9902182047362088, 0.9942704213728978]

4、GBR

GBR-1
GBR-1 Score value: 0.9763666115566574
GBR-1 R2    value: 0.9763666115566574
GBR-1 MAE   value: 0.012052516368497329
GBR-1 MSE   value: 0.00037273514295350755GBR-2
GBR-2 Score value: 0.9926847727617255
GBR-2 R2    value: 0.9926847727617255
GBR-2 MAE   value: 0.008012779193494083
GBR-2 MSE   value: 0.0001153724645508341GBR-3
GBR-3 Score value: 0.9958318342325574
GBR-3 R2    value: 0.9958318342325574
GBR-3 MAE   value: 0.005714597302721484
GBR-3 MSE   value: 6.573843047966691e-05GBR-4
GBR-4 Score value: 0.9958185134836749
GBR-4 R2    value: 0.9958185134836749
GBR-4 MAE   value: 0.004795477929089135
GBR-4 MSE   value: 6.594851932286696e-05GBR-5
GBR-5 Score value: 0.9936308502387022
GBR-5 R2    value: 0.9936308502387022
GBR-5 MAE   value: 0.004648655284013917
GBR-5 MSE   value: 0.00010045135730159553GBR-6
GBR-6 Score value: 0.9928564661943613
GBR-6 R2    value: 0.9928564661943613
GBR-6 MAE   value: 0.004401292926689321
GBR-6 MSE   value: 0.00011266459317169972GBR-7
GBR-7 Score value: 0.9902977868325656
GBR-7 R2    value: 0.9902977868325656
GBR-7 MAE   value: 0.004428399093689221
GBR-7 MSE   value: 0.0001530189300023011GBR-8
GBR-8 Score value: 0.9869749160018195
GBR-8 R2    value: 0.9869749160018195
GBR-8 MAE   value: 0.004718971897735163
GBR-8 MSE   value: 0.00020542575000119555GBR-9
GBR-9 Score value: 0.9853247317034755
GBR-9 R2    value: 0.9853247317034755
GBR-9 MAE   value: 0.0050509572638206945
GBR-9 MSE   value: 0.00023145171245755048GBR-10
GBR-10 Score value: 0.9838819868698998
GBR-10 R2    value: 0.9838819868698998
GBR-10 MAE   value: 0.005661280988227483
GBR-10 MSE   value: 0.000254206033238824GBR-11
GBR-11 Score value: 0.9830335256911121
GBR-11 R2    value: 0.9830335256911121
GBR-11 MAE   value: 0.006145980498176065
GBR-11 MSE   value: 0.0002675875802617618[0.9763666115566574, 0.9926847727617255, 0.9958318342325574, 0.9958185134836749, 0.9936308502387022, 0.9928564661943613, 0.9902977868325656, 0.9869749160018195, 0.9853247317034755, 0.9838819868698998, 0.9830335256911121]

5、LGBMR

LGBMR-0.001
LGBMR-0.001 Score value: 0.16876197122096692
LGBMR-0.001 R2    value: 0.16876197122096692
LGBMR-0.001 MAE   value: 0.09046580583395379
LGBMR-0.001 MSE   value: 0.013109911269309412LGBMR-0.005
LGBMR-0.005 Score value: 0.600585544258686
LGBMR-0.005 R2    value: 0.600585544258686
LGBMR-0.005 MAE   value: 0.062265161731615705
LGBMR-0.005 MSE   value: 0.006299384644539756LGBMR-0.01
LGBMR-0.01 Score value: 0.8337825446742081
LGBMR-0.01 R2    value: 0.8337825446742081
LGBMR-0.01 MAE   value: 0.0391266729122725
LGBMR-0.01 MSE   value: 0.0026215067348787035LGBMR-0.05
LGBMR-0.05 Score value: 0.9913041321780923
LGBMR-0.05 R2    value: 0.9913041321780923
LGBMR-0.05 MAE   value: 0.005162800605481635
LGBMR-0.05 MSE   value: 0.0001371473051134398LGBMR-0.1
LGBMR-0.1 Score value: 0.9930306170725406
LGBMR-0.1 R2    value: 0.9930306170725406
LGBMR-0.1 MAE   value: 0.004702627111296393
LGBMR-0.1 MSE   value: 0.00010991796406985765LGBMR-0.3
LGBMR-0.3 Score value: 0.9943329790691453
LGBMR-0.3 R2    value: 0.9943329790691453
LGBMR-0.3 MAE   value: 0.004947701938557634
LGBMR-0.3 MSE   value: 8.937769807518515e-05LGBMR-0.5
LGBMR-0.5 Score value: 0.9923225863703856
LGBMR-0.5 R2    value: 0.9923225863703856
LGBMR-0.5 MAE   value: 0.006078772753272445
LGBMR-0.5 MSE   value: 0.00012108470495493492LGBMR-0.8
LGBMR-0.8 Score value: 0.9850122706624084
LGBMR-0.8 R2    value: 0.9850122706624084
LGBMR-0.8 MAE   value: 0.008351662282985653
LGBMR-0.8 MSE   value: 0.00023637970706521245[0.16876197122096692, 0.600585544258686, 0.8337825446742081, 0.9913041321780923, 0.9930306170725406, 0.9943329790691453, 0.9923225863703856, 0.9850122706624084]

6、XGBR

XGBR-0.001
XGBR-0.001 Score value: -166.74203034694682
XGBR-0.001 R2    value: -166.74203034694682
XGBR-0.001 MAE   value: 1.6222131885073523
XGBR-0.001 MSE   value: 2.6455516444698888XGBR-0.005
XGBR-0.005 Score value: -74.51589484580421
XGBR-0.005 R2    value: -74.51589484580421
XGBR-0.005 MAE   value: 1.0873952054959475
XGBR-0.005 MSE   value: 1.1910026329102963XGBR-0.01
XGBR-0.01 Score value: -26.747645189967315
XGBR-0.01 R2    value: -26.747645189967315
XGBR-0.01 MAE   value: 0.6580440584800581
XGBR-0.01 MSE   value: 0.43762334467189284XGBR-0.05
XGBR-0.05 Score value: 0.9828950831664092
XGBR-0.05 R2    value: 0.9828950831664092
XGBR-0.05 MAE   value: 0.013051145715410249
XGBR-0.05 MSE   value: 0.0002697710333184286XGBR-0.1
XGBR-0.1 Score value: 0.9957552489177933
XGBR-0.1 R2    value: 0.9957552489177933
XGBR-0.1 MAE   value: 0.006227088292841316
XGBR-0.1 MSE   value: 6.694629952117871e-05XGBR-0.3
XGBR-0.3 Score value: 0.9921237303622439
XGBR-0.3 R2    value: 0.9921237303622439
XGBR-0.3 MAE   value: 0.008735198405534918
XGBR-0.3 MSE   value: 0.00012422097222357384[-166.74203034694682, -74.51589484580421, -26.747645189967315, 0.9828950831664092, 0.9957552489177933, 0.9921237303622439]

ML之回归预测：利用多个算法模型(LassoR、KernelRidgeR、ElasticNetR、GBR、LGBMR、XGBR)对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测相关推荐

  1. ML之FE：利用【数据分析+数据处理】算法对国内某平台上海2020年6月份房价数据集【12+1】进行特征工程处理(史上最完整，建议收藏)

    ML之FE:利用[数据分析+数据处理]算法对国内某平台上海2020年6月份房价数据集[12+1]进行特征工程处理(史上最完整,建议收藏) 目录 利用[数据分析+数据处理]算法对链家房价数据集[12+1 ...

  2. ML之回归预测：利用Lasso、ElasticNet、GBDT等算法构建集成学习算法AvgModelsR对国内某平台上海2020年6月份房价数据集【12+1】进行回归预测(模型评估、模型推理)

    ML之回归预测:利用Lasso.ElasticNet.GBDT等算法构建集成学习算法AvgModelsR对国内某平台上海2020年6月份房价数据集[12+1]进行回归预测(模型评估.模型推理) 目录 ...

  3. Python：利用python编程将上海十六区，2020年5月份房价实时地图(数据来源房天下)进行柱状图、热图可视化

    Python:利用python编程将上海十六区,2020年5月份房价实时地图(数据来源房天下)进行柱状图.热图可视化 目录 上海十六区,2020年5月份房价实时地图(数据来源房天下)可视化 雷达图.柱 ...

  4. ML：通过数据预处理(分布图/箱型图/模型寻找异常值/热图/散点图/回归关系/修正分布正态化/QQ分位图/构造交叉特征/平均数编码)利用十种算法模型调优实现工业蒸汽量回归预测(交叉训练/模型融合)之详

    ML之LightGBM:通过数据预处理(分布图/箱型图/模型寻找异常值/热图/散点图/回归关系/修正分布正态化/QQ分位图/构造交叉特征/平均数编码)利用十种算法模型调优实现工业蒸汽量回归预测(交叉训 ...

  5. ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)来比较各模型性能

    ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)来比较各模型性能 导读 通过利用13种机器学习算法,分别是LiR.kNN.SVR.D ...

  6. ML之回归预测：利用13种机器学习算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)+预测新数据得分

    ML之回归预测:利用13种机器学习算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测)+预测新数据得分 导读 本文章基于前边的一篇文章,对13种机器学习的回归模型性能比较 ...

  7. ML之LiR：利用LiR线性回归算法(自定义目标函数MSE和优化器GD)对Boston房价数据集(两特征+归一化)进行回归预测

    ML之LiR:利用LiR线性回归算法(自定义目标函数MSE和优化器GD)对Boston房价数据集(两特征+归一化)进行回归预测 目录 利用LiR线性回归算法(自定义目标函数MSE和优化器GD)对Bos ...

  8. ML之回归预测：利用6个单独+2个集成模型(LassoR、KernelRidgeR、ElasticNetR、GBR、XGBR、LGBMR，Avg、Stacking)对自动驾驶数据集【5+1】回归预测

    ML之回归预测:利用6个单独+2个集成模型(LassoR.KernelRidgeR.ElasticNetR.GBR.XGBR.LGBMR,Avg.Stacking)对自动驾驶数据集[5+1]进行回归预 ...

  9. ML之FE：基于LiR/Ridge/Lasso/ElasticNet/AvgModels/RF算法(GSCV) 利用某市房价数据集(特征工程处理)进行房价回归预测

    ML之FE:基于LiR/Ridge/Lasso/ElasticNet/AvgModels/RF算法(GSCV) 利用某市房价数据集(特征工程处理)进行房价回归预测 目录 输出结果 设计思路 核心代码 ...

最新文章

  1. MiBioGen联盟倡议：综合分析人类基因组与菌群关系研究
  2. [Ubuntu 12.10] Openstack 多节点安装--前期准备网络拓扑
  3. 把AspDotNetCoreMvc程序运行在Docker上-part2：修改容器以及发布镜像
  4. JavaScript实现跳跃游戏的动态编程自上而下的方法算法（附完整源码）
  5. 验证码类，生成验证码
  6. 回顾 | 进击吧！ Blazor！系列
  7. vSphere HA 原理与配置
  8. Android 平台电容式触摸屏的驱动基本原理
  9. JVM学习-分代收集算法
  10. webstrom无法格式化局部html,格式化代码失效webstorm
  11. win10怎么设置开机启动项目_开机启动项怎么设置呢？
  12. 去吧！设计模式之桥接模式
  13. Legendshop工时记录系统
  14. 传奇设置云服务器的端口,传奇服务器端口设置详细攻略详细操作分享
  15. Matlab bsxfun函数解析
  16. 有两种人，看似“缺心眼”，实际“聪明绝顶”，堪称“大智若愚”
  17. ArcBlock ⑦ 月报 | Forge 框架升级更新 开发者社区建设如火如荼
  18. 什么是大数据？带你深度了解大数据
  19. 『开源』基于jq的数学公式编辑器插件（可嵌入项目）（web前端）
  20. VMware14 黑屏

热门文章

  1. php性能测试下载,PHP性能测试工具xhprof安装与使用方法详解
  2. win7 64编译64位boost
  3. perl regular expresstion
  4. ubuntu 9.10 输入法问题解决方法
  5. oracle文件大小的限制
  6. 高性能缓存服务器Varnish详解
  7. 跟着实例学习设计模式（7）-原型模式prototype（创建型）
  8. Vim 用户的大脑变化
  9. wiki----为用户设置管理员权限
  10. npm与Yarn命令对比