27
4
I have a largar dataset which looks like the picture below, which also contains column "Month" and "Year". I try to use Linear Regression model to precit the total number of victims per month, but I don't know how to get the total number victimsDatafram
我有一个大的数据集，看起来像下面的图片，其中还包含列“月”和“年”。我尝试使用线性回归模型来预测每月的受害者总数，但我不知道如何获得受害者总数Datafram
个人中心
文章发布
退出
from sklearn.linear_model import LinearRegression
reg = LinearRegression()
reg.fit(df_pre[[]],df_pre["Year"]) #don't know how to fit the data in here.
Appreciate help!
感谢您的帮助！
I try to fit Vict Age and Month, but I got wrong answer. And I try to create a new datafram which contains only month and total victim, then the fit will have different size.
我试着去适应维克特的年龄和月份，但我得到了错误的答案。我试着创建一个只包含月份和总受害者的新数据报，那么Fit就会有不同的大小。
The concept behind fitting data to the model is:
将数据拟合到模型背后的概念是：
reg.fit([all_inputs], [outputs])
In Machine learning terms:
reg.fit([features], [target])
Since, I couldn't preview your dataset properly, here is a simple example on how to fit data and predict with LinearRegression.
由于我不能正确地预览您的数据集，这里有一个简单的示例，说明如何使用LinearRegress来拟合数据和预测。
Let say we have small dataset of x_1, x_2, y where x_1 and x_2 are the features (inputs to the model) while y is the target (what we want to predict).
假设我们有x_1，x_2，y的小数据集，其中x_1和x_2是特征(模型的输入)，而y是目标(我们想要预测的)。
Our dataset:
我们的数据集：
x_1 = [1, 1, 2, 2]
x_2 = [1, 2, 2, 3]
y = [6, 8, 9, 11]
data = [[1, 1, 6], [1, 2, 8], [2, 2, 9], [2, 3, 11]]
The nested lists are rows (that is data has 4 rows and 3 columns)
Full code
完整代码
# Import the packages and libraries
import numpy as np
from sklearn.linear_model import LinearRegression
import pandas as pd
# Convert our data into DataFrame
data = [[1, 1, 6], [1, 2, 8], [2, 2, 9], [2, 3, 11]]
columns = ["x_1", "x_2", "y"] # columns of the dataframe
df = pd.DataFrame(data, columns=columns) # This will turn the data into a table like your data.
# Split the data to features and label
X_train = df.copy()
y_train = X_train["y"] # This is the target/ label/ output
del X_train["y"] # delete the label from the copied dataframe, so we are left with the features only.
# To answer your question of how to fit and predict with LinearRegression
model = LinearRegression() # Instantiate the class
model.fit(X_train, y_train) # Fit the input (features i.e X_train "x_1, x_2") and the output (target "y") to the model.
result = model.predict(np.array([[3, 5]])) # Now, we want to use the model to make prediction by passing a new set of input/ features x_1 and x_2 to the model to predict
# so we should get result = [16.].
Note that we are using this simple equationy = (1 * x_1) + (2 * x_2) + 3 and if you should pass x_1 = 3 and x_2 = 5 to the equation, y = 16 which means our model works fine.
请注意，我们使用的是这个简单的方程y=(1*x_1)+(2*x_2)+3，如果您应该将x_1=3和x_2=5传递给方程，y=16，这意味着我们的模型工作得很好。
@Double99_ If you have any questions, feel free to ask and you can as well share link to your dataset.
@Double99_如果您有任何问题，请随时提问，您也可以分享指向您的数据集的链接。
27
4
0
我正在使用 R 预测包拟合模型，如下所示: fit <- auto.arima(df) plot(forecast(fit,h=200)) 打印原始数据框和预测。当 df 相当大时，这
我正在尝试预测自有住房的中位数，这是一个行之有效的例子，给出了很好的结果。 https://heuristically.wordpress.com/2011/11/17/using-neural-ne
type="class"函数中的type="response"和predict有什么区别？ 例如： predict(modelName, newdata=testData, type = "class
我有一个名为 Downloaded 的文件夹，其中包含经过训练的 CNN 模型必须对其进行预测的图像。 下面是导入图片的代码: import os images = [] for filename i
关于预测的快速问题。 我尝试预测的值是 0 或 1(它设置为数字，而不是因子)，因此当我运行随机森林时: fit , data=trainData, ntree=50) 并预测: pred, data
使用 Python，我尝试使用历史销售数据来预测产品的 future 销售数量。我还试图预测各组产品的这些计数。 例如，我的专栏如下所示: Date Sales_count Department It
我是 R 新手，所以请帮助我了解问题所在。我试图预测一些数据，但预测函数返回的对象(这是奇怪的类(因子))包含低数据。测试集大小为 5886 obs。 160 个变量，当预测对象长度为 110 时..
关闭。这个问题需要更多focused .它目前不接受答案。 想改进这个问题吗？ 更新问题，使其只关注一个问题 editing this post . 关闭 6 年前。 Improve this qu
下面是我的神经网络代码，有 3 个输入和 1 个隐藏层和 1 个输出: #Data ds = SupervisedDataSet(3,1) myfile = open('my_file.csv','r
我正在开发一个 Web 应用程序，它具有全文搜索功能，可以正常运行。我想对此进行改进并向其添加预测/更正功能，这意味着如果用户输入错误或结果为 0，则会查询该输入的更正版本，而不是查询结果。基本上类似
我对时间序列还很陌生。 这是我正在处理的数据集: Date Price Location 0 2012-01-01 1771.0
我有许多可变长度的序列。对于这些，我想训练一个隐马尔可夫模型，稍后我想用它来预测(部分)序列的可能延续。到目前为止，我已经找到了两种使用 HMM 预测 future 的方法: 1) 幻觉延续并获得该延
我正在使用 TensorFlow 服务提供初始模型。我在 Azure Kubernetes 上这样做，所以不是通过更标准和有据可查的谷歌云。 无论如何，这一切都在起作用，但是我感到困惑的是预测作为浮点
我正在尝试使用 Amazon Forecast 进行一些测试。我现在尝试了两个不同的数据集，它们看起来像这样: 13,2013-03-31 19:25:00,93.10999 14,2013-03-3
使用 numpy ndarray大多数时候我们不需要担心内存布局的问题，因为结果并不依赖于它。 除非他们这样做。例如，考虑这种设置 3x2 矩阵对角线的稍微过度设计的方法 >>> a = np.zer
我想在同一个地 block 上用不同颜色绘制多个预测，但是，比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我正在 R 中使用 GLMM，其中混合了连续变量和 calcategories 变量，并具有一些交互作用。我使用 MuMIn 中的 dredge 和 model.avg 函数来获取每个变量的效果估计。
我能够在 GUI 中成功导出分类器错误，但无法在命令行中执行此操作。有什么办法可以在命令行上完成此操作吗？ 我使用的是 Weka 3.6.x。在这里，您可以右键单击模型，选择“可视化分类器错误”并从那
我想在同一个地 block 上用不同颜色绘制多个预测，但是，比例尺不对。我对任何其他方法持开放态度。 可重现的例子: require(forecast) # MAKING DATA data
我从 UCI 机器学习数据集库下载了一个巨大的文件。 (~300mb)。 有没有办法在将数据集加载到 R 内存之前预测加载数据集所需的内存？ Google 搜索了很多，但我到处都能找到如何使用 R-p
我是一名优秀的程序员,十分优秀！