python - 构建决策树回归模型并预测样本输出 - 机器学习

Question

我是机器学习新手。当我使用 scikit-learn 模块中的波士顿数据集练习具有默认参数的决策树回归模型时。

在此链接解决方案( How to Build a Decision tree Regressor model )之后，我使用

在训练数据集上打印了模型准确性

print(dt_reg.score(X_train,Y_train)))
print(dt_reg.score(X_test,Y_test)))

现在，我面临的问题是:打印 X_test 集前两个样本的预测房价。为此，我写如下，但没有得到正确的输出。您能帮我预测 X_test 数据集的前 2 个样本吗？

predicted = dt_reg.predict(X_test)

for i in range(2):
    print("Predict housing price",predicted[i])

Answer 1

出于演示目的，让我们看一下完整的代码。假设您像这样训练回归模型:

from sklearn import datasets, model_selection, tree

boston = datasets.load_boston()

x_train, x_test, y_train, y_test = model_selection.train_test_split(boston.data,boston.target, random_state=30)

dt  = tree.DecisionTreeRegressor()

dt_reg = dt.fit(x_train, y_train)

现在打印train和test分数:

print(dt_reg.score(x_train, y_train))
print(dt_reg.score(x_test, y_test))

>> 1.0
>> 0.5826465689845075

让我们看看测试数据的预测如何:

predicted = dt_reg.predict(x_test)
print(predicted)

>> array([18.2, 12.8, 20.1, 30.1, 14.5, .....])

现在选择并打印前两个测试样本的预测输出:

for i in predicted[:2]:
    print(i)

>> 18.2
>> 12.8