我试图基于X内的两个特征来预测y。在读取我的excel文件并将数据拆分为列之后,我的X值如下所示:
SibSp Parch
0 1 0
1 1 0
2 0 0
3 1 0
4 0 0
5 0 0
6 0 0
7 3 1
8 0 2
9 1 0
y
表示生存率,其中1个幸存,0个死亡。 X还有很多行。我正在使用train_test_split(X, y, test_size=0.4, random_state=101)
进行训练和测试数据拆分,并有一种训练和测试方法。我的训练代码如下:
def train():
# Get Data Split
X_train, X_test, y_train, y_test = initData()
# Create LinearRegression Instance
lm = LinearRegression()
# Fit Training Values
lm.fit(X_train,y_train)
visualise(X_test, y_test, lm.predict(X_test))
# Return Trained Data With Testing Data
return X_test, y_test, lm
我的测试代码如下:
def test():
# Get The Trained Classifier
X, y, lm = train()
# Fit New Values
lm.fit(X, y)
visualise(X, y, lm.predict(X))
哪个看起来不错-我认为是这样。我现在正在尝试将数据可视化为带有预测线图的散点图。
def visualise(X, y, predictions):
features = X.shape[1]
colors = ['red', 'blue']
i = 0
while i <= features -1:
plt.scatter(X.iloc[:, i], y, color=colors[i])
# Update: Forgot to add this line when posting question
plt.plot(X.iloc[:, i], predictions, color=colors[i])
i=+1
但这给了我疯狂的输出,到处都有行。我尝试上网查看,发现sklearn's example。这是我试图复制的内容:
我想也许是因为我有两个功能,所以可能需要分别识别它们。
def visualise(X, y, predictions):
newY = np.zeros(X.shape[0], X.shape[1]);
newY[:, 0:1] = newY.iloc[:, 0]
plt.scatter(X, y, color='blue')
plt.plot(X, predictions, color='red')
plt.xticks(())
plt.yticks(())
plt.show()
我必须创建一个newY数组,因为X具有两个特征,y具有1,因此形状有所不同。但是现在在newY = np.zeros(X.shape[0], X.shape[1]);
TypeError:数据类型无法理解
更新
def visualise(X, y, predictions):
newY = np.zeros((X.shape[0], X.shape[1]));
newY[:, 0] = y
newY[:, 1] = y
plt.scatter(X, newY, color='blue')
plt.plot(X, predictions, color='red')
现在可以修复错误,但这是我的输出:
如何绘制散点图并绘制一条线来进行预测?
答案 0 :(得分:1)
由于具有两个功能,因此无法绘制预测线。如果可能的话,您可能需要预测轮廓图。
您的示例与此处的两个功能示例非常相似 https://scikit-learn.org/stable/auto_examples/svm/plot_iris.html