我将sklearn回归模型的结果存储到varibla预测中。
prediction = regressor.predict(data[['X']])
print(prediction)
预测输出的值如下所示
[ 266.77832991 201.06347505 446.00066136 499.76736079 295.15519906
214.50514991 422.1043505 531.13126879 287.68760191 201.06347505
402.68859792 478.85808879 286.19408248 192.10235848]
然后我尝试使用to_csv函数将结果保存到本地CSV文件:
prediction.to_csv('C:/localpath/test.csv')
但我得到的错误是:
AttributeError: 'numpy.ndarray' object has no attribute 'to_csv'
我正在使用Pandas / Numpy / SKlearn。关于基本修复的任何想法?
答案 0 :(得分:19)
你可以使用熊猫。 如上所述,numpy数组没有to_csv函数。
import numpy as np
import pandas as pd
prediction = pd.DataFrame(predictions, columns=['predictions']).to_csv('prediction.csv')
如果您希望您的值在行或列中,请添加“.T”。
答案 1 :(得分:10)
您可以使用numpy.savetxt
功能:
numpy.savetxt('C:/localpath/test.csv',prediction, ,delimiter=',')
要加载CSV文件,您可以使用numpy.genfromtxt
功能:
numpy.genfromtxt('C:/localpath/test.csv', delimiter=',')
答案 2 :(得分:1)
这是一个非常详细的解决方案案例,但是您甚至可以在生产中使用它。
首先保存模型
joblib.dump(regressor, "regressor.sav")
按顺序保存列
pd.DataFrame(X_train.columns).to_csv("feature_list.csv", index = None)
保存火车组的数据类型
pd.DataFrame(X_train.dtypes).reset_index().to_csv("data_types.csv", index = None)
再次使用:
feature_list = pd.read_csv("feature_list.csv")
feature_list = pd.Index(list(feature_list["0"]))
add_cols = list(feature_list.difference(X_test.columns))
drop_cols = list(X_test.columns.difference(feature_list))
for col in add_cols:
X_test[col] = np.nan
for col in drop_cols:
X_test = X_test.drop(col, axis = 1)
# reorder columns
X_test = X_test[feature_list]
types = pd.read_csv("data_types.csv")
for i in range(len(types)):
X_test[types.iloc[i,0]] = X_test[types.iloc[i,0]].astype(types.iloc[i,1])
做出预测
regressor = joblib.load("regressor.sav")
predictions = regressor.predict(X_test)
保存预测结果
res = pd.DataFrame(predictions)
res.index = X_test.index # its important for comparison
res.columns = ["prediction"]
res.to_csv("prediction_results.csv")
享受端到端的模型/预测保护程序代码!