小季不秃头 2023-02-09 09:50 采纳率: 66.7%
浏览 67
已结题

逻辑回归预测模型,Python

问题遇到的现象和发生背景 逻辑回归预测模型,想要给定数据让模型进行预测
遇到的现象和发生背景,请写出第一个错误信息我想要用预测数据去给模型来预测,但是目前的代码只能实现将模型数据划分为训练集和预测集,我想把模型数据全部设置为训练集,然后用训练好的模型去预测我的预测数据
用代码块功能插入代码,请勿粘贴截图。 不用代码块回答率下降 50%
import pandas
import pandas as pd

test = pd.read_excel('预测数据.xlsx')
train=pd.read_excel('模型数据.xlsx')
# 2.划分特征变量与目标变量
X = train.drop(columns='是否稳定')
y = train['是否稳定']
# 3.划分数据集与测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.3)
# 4.模型搭建
from sklearn.linear_model import LogisticRegression, LogisticRegressionCV

model = LogisticRegressionCV(multi_class='multinomial',max_iter=3000).fit(X_train, y_train)

model.fit(X_train, y_train)

# 5.预测分类结果
y_pred = model.predict(X_test)
y_pred_proba = model.predict_proba(X_test)
# 7.模型准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_pred, y_test)
print(accuracy)
print(y_pred)

运行结果及详细报错内容
我的解答思路和尝试过的方法,不写自己思路的,回答率下降 60%
我想要达到的结果,如果你需要快速回答,请尝试 “付费悬赏”
  • 写回答

5条回答 默认 最新

  • 元气少女缘结神 2023-02-09 10:04
    关注

    train、test全部做训练集data训练出模型?那没有test怎么训练出模型?每次data前向传播到输出层,那没有测试集怎么计算loss与cost,然后怎么反向传播去梯度下降调整网络参数?既然网络参数都无法调整了怎么出来最后的模型?不理解。

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
  • BitGPT 2023-02-09 10:00
    关注

    该回答引用ChatGPT
    在python中实现预测

    import numpy as np
    import pandas as pd
    from sklearn.model_selection import train_test_split
    from sklearn.ensemble import RandomForestRegressor
    from sklearn.metrics import mean_squared_error
    
    # 读取数据
    df = pd.read_csv("data.csv")
    
    # 划分数据为训练集和预测集
    train_df, predict_df = train_test_split(df, test_size=0.2, random_state=0)
    
    # 分离训练集的特征和标签
    train_x = train_df.drop("target", axis=1)
    train_y = train_df["target"]
    
    # 训练模型
    model = RandomForestRegressor(n_estimators=100, random_state=0)
    model.fit(train_x, train_y)
    
    # 利用训练好的模型预测
    predict_x = predict_df.drop("target", axis=1)
    predict_y = predict_df["target"]
    predictions = model.predict(predict_x)
    
    # 计算预测误差
    mse = mean_squared_error(predict_y, predictions)
    print("预测误差:", mse)
    
    

    如果您想使用模型预测预测数据,可以在上面的代码中添加以下代码:

    # 读取预测数据
    pred_data = pd.read_csv("pred_data.csv")
    
    # 预测
    predictions = model.predict(pred_data)
    
    
    
    
    评论
  • youcans_ 人工智能领域优质创作者 2023-02-09 09:56
    关注

    问题 是什么?

    评论
  • 「已注销」 2023-02-09 10:08
    关注

    你把内容和报错发给我看一下

    评论
  • CSDN-Ada助手 CSDN-AI 官方账号 2023-02-09 12:26
    关注
    评论
查看更多回答(4条)

报告相同问题?

问题事件

  • 系统已结题 2月17日
  • 已采纳回答 2月9日
  • 创建了问题 2月9日

悬赏问题

  • ¥15 shopify网站提速
  • ¥15 深海控制器DSE7320MKII和博世ECU间can通讯知识
  • ¥15 Ru的复折射率用于FDTD 200nm到1200nm
  • ¥15 使用Fiddler抓包,textview的乱码如何解决
  • ¥50 trio连接驱动器报错
  • ¥15 有谁懂nhanes的权重计算啊
  • ¥15 欧姆龙PLC 电机控制 限位
  • ¥30 如何处理shell命令接收到的视频流并实时播放出来
  • ¥15 虚心请教C#的代码优化问题
  • ¥15 有偿求做台风过境全过程模拟仿真