python - 如何避免回归模型中的浮点值

Question

我正在尝试使用线性、SGDRegressor、ridge、套索等回归模型来预测 Wine 质量(范围从 1 到 10)。

数据集:http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv

独立值: volatile 酸、残糖、游离二氧化硫、总二氧化硫、酒精度依赖:质量

线性模型

regr = linear_model.LinearRegression(n_jobs=3)
regr.fit(x_train, y_train)
predicted = regr.predict(x_test)

LinearRegression 的预测值阵列([5.33560542，5.47347404，6.09337194，...，5.67566813， 5.43609198, 6.08189])

预测值是 float 而不是 (1,2,3...10)我尝试使用 numpy 对预测值进行舍入

predicted = np.round(regr.predict(x_test))` but my accuracy gone down with this attempt.

SGDRegressor 模型。

from sklearn import linear_model
np.random.seed(0)
clf = linear_model.SGDRegressor()
clf.fit(x_train, y_train)
redicted = np.floor(clf.predict(x_test))

SGDRegressor 的预测输出值:

array([ -2.77685458e+12,   3.26826414e+12,   4.18655713e+11, ...,
     4.72375220e+12,  -7.08866307e+11,   3.95571514e+12])

这里我无法将输出值转换为整数。

谁能告诉我使用这些回归模型预测 Wine 质量的最佳方法。

Answer 1

您正在进行回归，因此输出本质上是连续的。

您应该注意的是，您关于预测 Wine 质量的小项目不是分类问题。响应变量 y，即 Wine 质量，具有内在顺序，这意味着 6 分严格优于 5 分。它不是分类变量，不同的数字只代表不同的组，组之间没有可比性。