机器学习，如何根据学习和训练数据做出预测

Question

ive尝试使用python在python中进行一些机器学习。我的目标是根据人们的生活方式估算他们的保险费用。我从kaggle获得了一个不错的数据库。对我的数据集进行培训和测试进行得很好，但是现在我想对一个人进行预测，而我不知道该如何开始。

我发布了到目前为止我在线性回归培训和测试中所做的事情（我还做了很多其他事情，例如蒙特卡洛，knearest等...）
结果是 训练准确度：0.735 测试仪精度：0.795

那么您如何建议继续估算其他人的保险费用？

#Linear Regression
linreg = LinearRegression()

linreg.fit(X_train, y_train)

print("Accuracy on training set: {:.3f}".format(linreg.score(X_train, y_train)))
print("Accuracy on test set: {:.3f}".format(linreg.score(X_test, y_test)))```

Answer 1

由于您已经“适合”了X_train和y_train数据集的算法，因此可以按以下方式对X_test进行预测：

predictions = linreg.predict(X_test)

基本上，linreg.fit(X_train, y_train)表示使用X_train作为输入并使用y_train作为（目标）标签的拟合/训练。另一方面，linreg.predict(X_test)意味着使用X_test作为输入来产生预测，而linreg.score(X_test, y_test)意味着使用X_test作为输入来进行预测，然后将预测结果与（目标）{ {1}}以获得（准确性）分数。