Question

我最近一直在努力让sklearn使用我的数据。我的每个~20k行有609列数据。数据格式如下：

0-7行每个都是不同类型的＆＃34;输出＆＃34; （1-8中的每一个独立地基于＆＃34;输入＆＃34;）
行8-608是＆＃34;输入值＆＃34;，即产生前七列的值＆＃39;输出。

所有这些值都可以在名为unlabelled.csv的文件中找到，或者实际上是您选择分配它的任何名称的CSV。

所以我一直试图做的就是对其进行SGD回归，如下所示：

import sklearn
from sklearn import linear_model as linmod
import numpy as np
rawdata=open('unlabelled.csv','r')
dataset=np.loadtxt(rawdata,delimiter=",") # this is where there's a hang
factzero=dataset[:,0]
factone=dataset[:,1]
facttwo=dataset[:,2]
factthree=dataset[:,3]
factfour=dataset[:,4]
factfive=dataset[:,5]
factsix=dataset[:,6]
factseven=dataset[:,7]
base=dataset[:,8:608]
facts=[factzero,factone,facttwo,factthree,factfour,factfive,factsix,factseven]
clf=linmod.SGDRegressor()
for fact in facts:
    clf.fit(base,fact)

现在，它返回（无论如何在python命令行）：

SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)
SGDRegressor(alpha=0.0001, average=False, epsilon=0.1, eta0=0.01,
       fit_intercept=True, l1_ratio=0.15, learning_rate='invscaling',
       loss='squared_loss', n_iter=5, penalty='l2', power_t=0.25,
       random_state=None, shuffle=True, verbose=0, warm_start=False)

对于如何从这里前进，我有点不知所措;我希望能够提供所有＆＃34;输入＆＃34;价值并接受某种预测＆＃34;输出＆＃34;训练我的数据集后的值。我已经尝试在网上搜索一些关于此的文档，但无法确定如何完全执行此操作。

感谢您的帮助。

Answer 1

首先，您需要将训练过的模型存储在某处。您可以通过以下方式替换代码的最后两行来完成此操作：

models = [clf.fit(base, fact) for fact in facts]

训练模型后，您需要一些输入数据，您可以根据这些数据进行预测。比如，你有一些名为unseen_data.csv的看不见的数据集。假设您已经拥有并且已将其加载到某个变量unseen_dataset中，则可以使用它来进行如下预测：

predicted_facts = [model.predict(unseen_dataset) for model in models]

现在predicted_facts将包含您的预测。

您可以在documentation中找到更详细的信息。

一些提示：

您应该考虑使用pandas - 这样可以更轻松地处理大型数据集。

您可以通过替换

来节省一些输入

factzero=dataset[:,0]
factone=dataset[:,1]
facttwo=dataset[:,2]
factthree=dataset[:,3]
factfour=dataset[:,4]
factfive=dataset[:,5]
factsix=dataset[:,6]
factseven=dataset[:,7]
facts=[factzero,factone,facttwo,factthree,factfour,factfive,factsix,factseven]

与

facts = [fact for fact in dataset[:, :8]]

后者也更容易阅读。

如何使用sklearn

1 个答案: