首页 文章

在scikit中限制来自SGDRegressor的预测 - 学习正值

提问于
浏览 次
2

我正在研究Kaggle的知识问题，其标签是正数 . 我尝试在scikit中使用SGDRegressor学习训练和测试模型 . 然而，来自学习模型的一些预测是否定的 .

因此，我想知道是否有办法限制像SGD这样的回归量（在scikit学习中）的预测只有正值 . 在我得到预测之后，我知道有蛮力技术来限制值，但我并不热衷于遵循这种方法，因为它不代表真正的模型 .

scikit-learn

2 回答

  • 5

    您可能希望适合 z = np.log(y) 而不是 y ： model = SGDRegressor(**params).fit(X_train, np.log(y_train)) 然后 y_predicted = np.exp(model.predict(X_test)) .

    如果你想在这样的模型上使用sklearn的 cross_val_score 和 GridSearchCV 工具，你可以继承 SGDRegressor 来重载 fit 和 predict 方法以在内部对目标变量进行此更改

    回复于
  • 1

    我知道这是一个老线程，但我在搜索后发现它基于与原始帖子相同的经验 . 我尝试了给出的答案，我无法使用我的数据 . 在进一步研究之后，我能够在扩展X中的列之后让SGDRegressor工作（即，给出适合我的数据的正面预测）...

    # add to imports
from sklearn.preprocessing import StandardScaler

# add to code before training SGDRegressor model
scaler = StandardScaler()
scaler.fit(X)
Xs = scaler.transform(X)

# I used train_test_split, so I changed first parameter from X to Xs
X_train, X_test, y_train, y_test = train_test_split(Xs, y, test_size=0.3, random_state=26)

# train model
sgd = linear_model.SGDRegressor()
sgd.fit(X_train, y_train)

# test model
y_predicted = sgd.predict(X_test)

    在添加用于缩放输入的部分之前，我得到了所有负面预测，即使y（训练和测试）都是正面的 . 添加缩放后，y_predicted都是正数，非常接近y_test [授予我基于X为这些数据创建y，所以我期待良好的性能] . 发布此答案以防其他人帮助 .

    有关文档，请访问HERE .

    回复于

相关问题