使用机器学习在数据集上创建方程

我有一组数据(目前只有20对,但可能可以产生超过500对),我的输入数据是 a1 , a2 , a3 , a4 , a5 , a6 , a7,我的输出是 b,我对方程没有任何概念,也不知道它看起来会是什么样子。
而且我在机器学习方面是新手,应该使用Python中的哪个算法、库或框架来预测这些数据的方程?

提前感谢


回答:

您的问题被称为“回归问题”。对于这类问题,有许多可用的方法。最简单的方法是从线性回归模型开始,如这里所描述的: http://benalexkeen.com/linear-regression-in-python-using-scikit-learn/

如果您认为输入/输出之间的关系更为复杂,您可以从非线性模型开始,例如 https://machinelearningmastery.com/develop-first-xgboost-model-python-scikit-learn/

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注