使用Python构建预测模型。 投影始终为0

Question

我正在查看我在网上找到的一些房地产数据。 我用Python建立了一个模型； 所有代码如下所示。 所有数据均来自纽约市，例如邮政编码，手数，商业，住宅和其他一些指标。 我正在尝试基于各种因素来预测可能开发商业房地产地段的“目标”变量。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# Load data
train = pd.read_csv('C:\\Users\\Excel\\Desktop\\train.csv')
test = pd.read_csv('C:\\Users\\Excel\\Desktop\\test.csv')

df = pd.concat([train,test],axis=0) #Combined both Train and Test Data set
df.shape
pd.set_option('display.max_columns', None)


# fill in NANs.
df = df.fillna(0)

print('Data frame:', df)

# convert to numbers
df = df.select_dtypes(include=[np.number])


# Get all the columns from the dataframe.
columns = df.columns.tolist()
# Filter the columns to remove ones we don't want to use in the training
columns = [c for c in columns if c not in ['target']]


# Store the variable we'll be predicting on.
target = 'target'
train['target'] = 0
# Generate the training set.  Set random_state to be able to replicate results.
train = df.sample(frac=0.8, random_state=1)
# Select anything not in the training set and put it in the testing set.
test = df.loc[~df.index.isin(train.index)]
# Print the shapes of both sets.
print('Training set shape:', train.shape)
print('Testing set shape:', test.shape)
# Initialize the model class.
lin_model = LinearRegression()
# Fit the model to the training data.
lin_model.fit(train[columns], train[target])


# Generate our predictions for the test set.
lin_predictions = lin_model.predict(test[columns])
print('Predictions:', lin_predictions)
# Compute error between our test predictions and the actual values.
lin_mse = mean_squared_error(lin_predictions, test[target])
print('Computed error:', lin_mse)

这行抛出一个错误：

lin_model.fit(train[columns], train[target])

这是错误消息：

KeyError: 'target'

基本上，“目标”字段不会出现在此处： train[target]

即使我将字段添加进去，投影也总是0！ 我一定缺少简单的东西，但是我不确定。

我从这里开始跟随示例，但是使用了完全不同的数据集。

https://microsoft.github.io/sql-ml-tutorials/python/rentalprediction/step/2.html

使用此代码片段，我可以了解因素的“功能重要性”。

# Create a new matplotlib figure
fig = plt.figure()
ax = fig.add_subplot()

viz = FeatureImportances(GradientBoostingClassifier(), ax=ax)
viz.fit(X, y)
viz.poof()

Answer 1

我想添加评论，但还不能。 为什么要使用线性回归来预测我认为是二元变量的变量？ 请改用物流。 这条线又是什么： columns = [c for c in columns if c not in ['target']] ['target']来自哪里？ 另一件事， train['target'] = 0将整个列设置为0，即使您要重新分配列值，也应该使用df.loc方法。 这就是为什么将所有预测值都设为零的原因，因为目标是您的因变量，并且所有值都设置为0。

Answer 2

如果输入代码，则训练集中的所有样本的输出/目标均为0

train['target'] = 0

然后，该算法将学习到，无论模型中具有什么功能，预测都应该始终为0。

回顾为什么需要将其设置为0。这行似乎是不必要的。 尝试删除该行并运行模型。