使用 Sklearn 预测的线性回归不起作用。数据不合适答案

【问题标题】：Linear regression using Sklearn prediction not working. data not fit properly使用 Sklearn 预测的线性回归不起作用。数据不合适
【发布时间】：2016-12-03 03:20:52
【问题描述】：

我正在尝试对以下数据执行线性回归。

X = [[ 1 26]
 [ 2 26]
 [ 3 26]
 [ 4 26]
 [ 5 26]
 [ 6 26]
 [ 7 26]
 [ 8 26]
 [ 9 26]
 [10 26]
 [11 26]
 [12 26]
 [13 26]
 [14 26]
 [15 26]
 [16 26]
 [17 26]
 [18 26]
 [19 26]
 [20 26]
 [21 26]
 [22 26]
 [23 26]
 [24 26]
 [25 26]
 [26 26]
 [27 26]
 [28 26]
 [29 26]
 [30 26]
 [31 26]
 [32 26]
 [33 26]
 [34 26]
 [35 26]
 [36 26]
 [37 26]
 [38 26]
 [39 26]
 [40 26]
 [41 26]
 [42 26]
 [43 26]
 [44 26]
 [45 26]
 [46 26]
 [47 26]
 [48 26]
 [49 26]
 [50 26]
 [51 26]
 [52 26]
 [53 26]
 [54 26]
 [55 26]
 [56 26]
 [57 26]
 [58 26]
 [59 26]
 [60 26]
 [61 26]
 [62 26]
 [63 26]
 [64 26]
 [65 26]
 [66 26]
 [67 26]
 [68 26]
 [69 26]]

Y = [  192770 14817993  1393537   437541   514014   412468   509393   172715
   329806   425876   404031   524371   362817   692020   585431   446286
   744061   458805   330027   495654   459060   734793   701697   663319
   750496   525311  1045502   250641   500360   507594   456444   478666
   431382   495689   458200   349161   538770   355879   535924   549858
   611428   517146   239513   354071   342354   698360   467248   500903
   625170   404462  1057368   564703   700988  1352634   727453   782708
   1023673  1046348  1175588   698072   605187   684739   884551  1067267
   728643   790098   580151   340890   299185]

我正在尝试绘制结果以查看回归线

regr = linear_model.LinearRegression()

regr.fit(X, Y)

plt.scatter(X[:,0], Y,  color='black')
plt.plot(X[:,0], regr.predict(X), color='blue',
     linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

我得到的图表是

('系数：\n', array([-34296.90306122, 0. ])) 残差平方和：1414631501323.43 方差分数：-17.94

我正在尝试预测

pred = regr.predict([[49, 26]])

print pred

训练数据中已经存在的东西，结果是 [-19155.16326531]

其实际值为625170

我做错了什么？

请不要 26 的值来自更大的数组，我已将该 dat 切成一小部分以便在 26 上进行训练和预测，同样 X[:,0] 可能不是连续值，它再次出现从一个更大的数组。数组我的意思是 numpy 数组

【问题讨论】：

X 到底是什么？那是一个numpy数组吗？一切都在策划它应该在哪里吗？我猜不是，因为“pred”的结果太混乱了
如果您将其编辑为可重现，这将是一个更好的问题。例如，您的数据中的所有逗号都丢失了，您可以互换使用 X 和 x。这些只是我注意到的那些。

标签： python machine-learning scikit-learn linear-regression

【解决方案1】：

正如 SAMO 在他的评论中所说，目前尚不清楚您的数据结构是什么。假设您在 X 和目标 Y 中有两个特征，如果将 X 和 Y 转换为 numpy 数组，您的代码将按预期工作。

import numpy as np
from sklearn import linear_model
import matplotlib.pyplot as plt

x1 = range(1, 70)
x2 = [26]*69

X = np.column_stack([x1, x2])

y = '''  192770 14817993  1393537   437541   514014   412468   509393   172715
   329806   425876   404031   524371   362817   692020   585431   446286
   744061   458805   330027   495654   459060   734793   701697   663319
   750496   525311  1045502   250641   500360   507594   456444   478666
   431382   495689   458200   349161   538770   355879   535924   549858
   611428   517146   239513   354071   342354   698360   467248   500903
   625170   404462  1057368   564703   700988  1352634   727453   782708
   1023673  1046348  1175588   698072   605187   684739   884551  1067267
   728643   790098   580151   340890   299185'''

Y = np.array(map(int, y.split()))
regr = linear_model.LinearRegression()

regr.fit(X, Y)

plt.scatter(X[:,0], Y,  color='black')
plt.plot(X[:,0], regr.predict(X), color='blue',
     linewidth=3)

plt.xticks(())
plt.yticks(())

plt.show()

print regr.predict([[49,26]])
# 611830.33589088

【讨论】：

答案似乎很有用，但我的问题是数据不像你回答的那样连续。
@JibinMathew 连续是什么意思？如果您的数据都是整数，那么除非某些条件，它们是连续的。即使有一些底线或上限会反映在数据本身中。
我的意思是 nick 用来填充 x1 的方式，从 1 到 70 不断变化，使这更简单，就像我包含的数据来自更大的数据集
@JibinMathew 好吧，这不是解决方案的关键部分，您只需要用逗号分隔 X 中的两个值。
@SAMO 你能验证结果吗，如果你从 X 和 Y 中删除最后 20 个元素

【解决方案2】：

您可能在绘图之前弄乱了输入数组。根据您问题中的信息，回归确实返回的结果接近您的预期答案 625170。

from sklearn import linear_model

# your input arrays
x = [[a, 26] for a in range(1, 70, 1)]
y = [192770, 14817993,1393537, 437541, 514014, 412468, 509393, 172715, 329806, 425876, 404031, 524371, 362817, 692020, 585431, 446286, 744061, 458805, 330027, 495654, 459060, 734793, 701697, 663319, 750496, 525311,1045502, 250641, 500360, 507594, 456444, 478666, 431382, 495689, 458200, 349161, 538770, 355879, 535924, 549858, 611428, 517146, 239513, 354071, 342354, 698360, 467248, 500903, 625170, 404462,1057368, 564703, 700988,1352634, 727453, 782708, 1023673,1046348,1175588, 698072, 605187, 684739, 884551,1067267, 728643, 790098, 580151, 340890, 299185]

# your code for regression
regr = linear_model.LinearRegression()
regr.fit(x, y)

# the correct coef is different from your findings
print regr.coef_

这会返回一个结果：array([-13139.72031421, 0. ])

尝试预测时：regr.predict([[49, 26]]) 返回array([ 611830.33589088])，这与您预期的答案很接近。

【讨论】：

【解决方案3】：

print(regression.predict(np.array([[60]])))

【讨论】：

如果您发布代码作为答案，您应该添加一个说明，说明它如何解决 OP 的问题。

【解决方案4】：

如果我们想在代码上预测单个值（浮点数）来预测，那可能行不通。我一开始就尝试了下面的代码，但是没有用：

lin_reg.predict(6.5)

找到的解决方案是：

lin_reg.predict([[6.5]])

如果这也适合您，请尝试一下。

【讨论】：