如何避免回归模型中的浮点值

Question

我试图使用回归模型（如线性，SGDRegressor，脊，套索）来预测葡萄酒质量（范围从1到10）。

数据集：http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv

独立值：挥发性酸度，残糖，游离二氧化硫，总二氧化硫，酒精 依赖性：质量

线性模型

regr = linear_model.LinearRegression(n_jobs=3)
regr.fit(x_train, y_train)
predicted = regr.predict(x_test)

预测LinearRegression的值 数组（[5.33560542,5.47347404,6.09337194，...，5.67566813，         5.43609198,6.08189]）

预测值是浮点而不是（1,2,3 ... 10） 我尝试使用numpy

来舍入预测值

predicted = np.round(regr.predict(x_test))` but my accuracy gone down with this attempt.

SGDRegressor模型。

from sklearn import linear_model
np.random.seed(0)
clf = linear_model.SGDRegressor()
clf.fit(x_train, y_train)
redicted = np.floor(clf.predict(x_test))

预测SGDRegressor的输出值：

array([ -2.77685458e+12,   3.26826414e+12,   4.18655713e+11, ...,
     4.72375220e+12,  -7.08866307e+11,   3.95571514e+12])

这里我无法将输出值转换为整数。

有人可以告诉我使用这些回归模型预测葡萄酒质量的最佳方法。

Answer 1

您正在进行回归，因此输出本质上是连续的。

你应该注意的是，你的预测葡萄酒质量的迷你项目不是分类问题。响应变量y，葡萄酒质量，具有内在顺序，这意味着得分6严格优于得分5.它不是分类变量，其中不同的数字仅代表不同组的不同组。