ML之回歸預測：利用FSR/RiR/BasisExpand/ Lasso/DT/RF/GB算法對紅酒品質wine數據集實現紅酒口感評分預測(實數值評分預測)

?

?

目錄

輸出結果

設計思路

T1、FSR(前向逐步回歸)

T2、RiR(嶺回歸)

T3、基擴展BasisExpand

核心代碼

---

?

?

?

輸出結果

Index(['fixed acidity', 'volatile acidity', 'citric acid', 'residual sugar',
? ? ? ?'chlorides', 'free sulfur dioxide', 'total sulfur dioxide', 'density',
? ? ? ?'pH', 'sulphates', 'alcohol', 'quality'],
? ? ? dtype='object')

?

?

?

?

設計思路

T1、FSR(前向逐步回歸)

Out of sample error versus attribute set size
[0.7234259255116278, 0.6860993152837196, 0.6734365033420278, 0.6677033213897796, 0.6622558568522273, 0.6590004754154626, 0.6572717206143076, 0.6570905806207697, 0.6569993096446138, 0.6575818940043473, 0.657390986901134]

Best attribute indices
[10, 1, 9, 4, 6, 8, 5, 3, 2, 7, 0]

Best attribute names
['"alcohol"', '"volatile acidity"', '"sulphates"', '"chlorides"', '"total sulfur dioxide"', '"pH"', '"free sulfur dioxide"', '"residual sugar"', '"citric acid"', '"density"', '"fixed acidity"']
?

?

T2、RiR(嶺回歸)

RMS Error ? ? ? ? ? ? alpha
0.6595788176342458 1.0
0.6578610918808593 0.1
0.6576172144640243 0.010000000000000002
0.6575216482641756 0.0010000000000000002
0.6574190680109294 0.00010000000000000002
0.6573941628851253 1.0000000000000003e-05
0.6573913087155858 1.0000000000000004e-06

T3、基擴展BasisExpand

?

核心代碼

?

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的ML之回归预测：利用FSR/RiR/BasisExpand/ Lasso/DT/RF/GB算法对红酒品质wine数据集实现红酒口感评分预测(实数值评分预测)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。