Question

我有以某些价格销售一定数量的相同产品的公司的数据，请参阅以下内容：

Company A:
(qty)     (price)
100        1000
200        1800
300        2400

Company B:
(qty)     (price)
110       1000
200       1770
300       2390

Company C:
(qty)     (price)
1000       10000
1500       13000
3700       22000

我想创建一个模型，根据数据粗略预测一定数量产品的价格。我正在使用sickitlearn，我尝试在一个阵列中收集所有数量，在另一个阵列中收集价格。例如：所有3家公司的数量均为numpy数组：

import numpy as np
train_qty = np.array([[100,200,300,110,200,300,1000,1500,3700]])

价格：

train_prices = np.array([[1000,1800,300,110,200,300,1000,1500,3700]])

我试过了：

from sklearn import linear_model 
reg = linear.model.LinearRegression()
reg.fit(train_qty,train_prices)

然而，当我这样做时：

print(reg.coef_)

我得到一个全零的矩阵。你能解释一下我做错了什么以及正确的做法吗？

Answer 1

应该是

reg.fit(train_qty.T, train_prices.T)
reg.coef_  # 0.85178458

sklearn线性模型查找coefs A以便XA = Y。在这里，train_qty和train_prices都是矩阵1 x 9，因此您获得A矩阵9 x 9.您必须转置输入。

Answer 2

获得一维数组的另一个选择是使用重塑：

Bands

创建一个可以预测产品价格的回归模型

2 个答案: