如何在scikit-learn中使用SGDRegressor

Question

我正在试图弄清楚如何正确使用scikit-learn的SGDRegressor模型。 为了适应数据集，我需要调用function fit(X,y)，其中 x 是一个numpy形状数组（n_samples，n_features），y是一个长度为n_samples的1d numpy数组。我想弄清楚 y 应该代表什么。

例如我的数据显示如下：

我的特征是从1972年开始的年份，值是该年的相应值。我试图预测未来几年的值，例如2008年或2012年。我假设我的数据中的每一行都应代表X中的一行/样本，其中每个元素都是一年的值。在那种情况下会是什么？我认为y应该只是岁月，但是y的长度是n_features而不是n_samples。如果y的长度为n_samples，则可能的长度为5（下面显示的数据中的样本数）。我想我必须以某种方式转换这些数据。

Answer 1

在机器学习中，y代表数据的标签或目标。也就是说，您的训练数据的正确答案（X）。

如果您想要了解与年份相对应的某些值，那么这些年份将是您的训练数据（X），与之关联的正确值将成为您的目标（y）。

您可以注意到这符合您在第一段中提到的尺寸：X将具有(n_samples, n_features)形状，因为它将具有与您有多年的条目，并且每个条目将是大小为1（您只有1个要素，年份），y的长度为n_samples，因为您有与每年相关的值。

Answer 2

y是你的目标（你想要预测的），你可以这样做：

from sklearn import linear_model

clf = linear_model.SGDRegressor()
clf.fit(x_to_train, y_to_train)

# clf is a trained model

y_predicted = clf.predict(X_to_predict)