我有一個簡單的資料集，如下所示：
v1 v2 v3 hour_day sales
3 4 24 12 133
5 5 13 12 243
4 9 3 3 93
5 12 5 3 101
4 9 3 6 93
5 12 5 6 101
我創建了一個簡單的 LR 模型來訓練和預測目標變數“銷售額”。我使用 MAE 來評估模型
# Define the input and target features
X= df.iloc[:,[0,1, 2, 3]]
y = df.iloc[:, 4]
# Split the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
# Train and fit the model
regressor = LinearRegression()
regressor.fit(X_train, y_train)
# Make prediction
y_pred = regressor.predict(X_test)
# Evaluate the model
print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
我的代碼運行良好，但我想做的是預測 X_test 中按一天中的小時分組的銷售額。在上面的資料集示例中，有 12、3 和 6 三個小時槽。因此輸出應如下所示：
MAE for hour 12: 18.29
MAE for hour 3: 11.67
MAE for hour 6: 14.43
我想我應該使用 for 回圈來迭代。它可能是這樣的：
# Save Hour Vector
hour_vec = deepcopy(X_test['hour_day'])
for i in range(len(X_test)):
y_pred = regressor.predict(np.array([X_test[i]])
那么知道如何執行它嗎？
uj5u.com熱心網友回復：
hours = list(set(X_test['hour_day']))
results = pd.DataFrame(index=['MAE'], columns=hours)
for hour in hours:
idx = X_test['hour_day'] == hour
y_pred_h = regressor.predict(X_test[idx])
mae = metrics.mean_absolute_error(y_test[idx], y_pred_h)
results.loc['MAE', hour] = mae
results.loc['MAE', 'mean'] = results.mean(axis=1)[0]
print(results)
印刷
3 6 mean
MAE 71.405775 71.405775 71.405775
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/459199.html
標籤：Python 熊猫 机器学习 scikit-学习 预测
上一篇：根據用戶輸入動態修改資料框列
下一篇：聚合操作后取消分組熊貓資料框