Question

我目前有一个包含变量和观察的数据集。我想预测变量（需求），这是一个连续变量，因此我需要使用回归模型。我尝试使用Linear Regression，并使用R2指标对其进行评估，该指标大约为0.85。我想用其他模型评估其性能，其中一个是NNs。我相信神经网络更适合分类等其他任务，但我想尝试一下。

我决定使用scikit-learn主要是因为它提供了两种模型（线性回归和多层感知器），事实上R2指标与线性回归的指标相比太过分和太差了。因此，我得出结论，我错过了许多重要的配置。您可以在下面看到我的代码以及数据的来源。

我的数据包含以下列，仅demand（我的标签），population，gdp，day和year是数字连续的，其余的都是绝对的。

['demand','holy','gdp','population', 'day','year', 'f0', 'f1', 'f2', 'f3', 'f4','f5', 'f6', 'f7', 'f8', 'f9', 'f10', 'f11', 'f12', 'f13', 'f14', 'f15', 'f16', 'f17', 'f18', 'f19', 'f20', 'f21', 'f22', 'f23', 'g0', 'g1', 'g2', 'g3', 'g4', 'g5', 'g6', 'g7', 'g8', 'g9', 'g10', 'g11']

这就是我实际做的，我删除了一些输出。

import pandas as pd
import numpy as np
import math as math

from sklearn.linear_model import LinearRegression
from sklearn.neural_network import MLPRegressor
from sklearn.metrics import r2_score



training_data, validation_data = np.split(data.sample(frac=1), [int(.8*len(data))])

linear_model = LinearRegression().fit(training_data[[c for c in data.columns if c != "demand"]], training_data[["demand"]])

validation_data_predictions = linear_model.predict(validation_data[[c for c in training_data.columns if c != "demand"]])

validation_predictions_pd = pd.DataFrame(data=validation_data_predictions, 
                                         index=validation_data.index.values,
                                         columns=["prediction"])

# join both pandas
result_df = validation_data.join(validation_predictions_pd, how="inner")

r2_error = r2_score(y_true=result_df[["demand"]], y_pred=result_df[["prediction"]], multioutput="uniform_average")

print(r2_error) # outputs 0.85


# NN section
clf = MLPRegressor(hidden_layer_sizes=(10,), max_iter=100000)

neural_model = clf.fit(training_data[[c for c in training_data.columns if c != "demand"]], training_data[["demand"]])

validation_data_predictions = neural_model.predict(validation_data[[c for c in training_data.columns if c != "demand"]])

validation_predictions_pd = pd.DataFrame(data=validation_data_predictions, 
                                     index=validation_data.index.values,
                                     columns=["prediction"])

result_df = validation_data.join(validation_predictions_pd, how="inner")

r2_error = r2_score(y_true=result_df[["demand"]], y_pred=result_df[["prediction"]], multioutput="uniform_average")
print(r2_error) # outputs 0.23

所以，你可以看到NN的表现非常糟糕。我认为它的性能可以改进，任何提示？

Answer 1

MLP对功能扩展很敏感。您是否对数据进行了标准化处理？
修改您的网络结构：添加更多隐藏图层并更改每个图层的感知器数量
将激活功能更改为sigmod / tanh / relu等。

Answer 2

可能不是NN的表现不好，也许你只是使用错误的指标进行比较。通常情况下，将R2评分用于评估具有许多回归量的线性回归模型并不是一个好主意：实际上，放入模型的回归量越多，R平方值越高（see this video for a quick explanation）。

无论如何，我认为这个问题更适合https://stats.stackexchange.com/

如何调整MLPRegressor？

2 个答案: