![](/img/trans.png)
[英]How to display model parameter in Python Sklearn RandomForestRegressor
[英]How to predict correctly in sklearn RandomForestRegressor?
我正在為我的學校項目開展一個大數據項目。 我的數據集如下所示: https : //github.com/gindeleo/climate/blob/master/GlobalTemperatures.csv
我正在嘗試預測“LandAverageTemperature”的下一個值。
首先,我已將 csv 導入到 Pandas 並將其命名為“df1”的 DataFrame。
在 sklearn 中的第一次嘗試中出錯后,我將“dt”列從字符串轉換為 datetime64,然后添加了一個名為“year”的列,該列僅顯示日期值中的年份。-它可能是錯誤的-
df1["year"] = pd.DatetimeIndex(df1['dt']).year
完成所有這些之后,我准備了用於回歸的數據並調用了 RandomForestReggressor:
landAvg = df1[["LandAverageTemperature"]]
year = df1[["year"]]
from sklearn.ensemble import RandomForestRegressor
rf_reg=RandomForestRegressor(n_estimators=10,random_state=0)
rf_reg.fit(year,landAvg.values.ravel())
print("Random forest:",rf_reg.predict(landAvg))
我運行了代碼,我看到了這個結果:
Random forest: [9.26558115 9.26558115 9.26558115 ... 9.26558115 9.26558115 9.26558115]
我沒有收到任何錯誤,但我認為結果不正確-結果與您所看到的完全相同-。 此外,當我想獲得下一個 10 年的預測時,我不知道該怎么做。 使用此代碼我只得到 1 個結果。 你能幫我改進我的代碼並獲得正確的結果嗎? 在此先感謝您的幫助。
僅用年份來預測溫度是不夠的。 您也需要使用月份數據。 這是初學者的工作示例:
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
df = pd.read_csv('https://raw.githubusercontent.com/gindeleo/climate/master/GlobalTemperatures.csv', usecols=['dt','LandAverageTemperature'], parse_dates=['dt'])
df = df.dropna()
df["year"] = df['dt'].dt.year
df["month"] = df['dt'].dt.month
X = df[["month", "year"]]
y = df["LandAverageTemperature"]
rf_reg=RandomForestRegressor(n_estimators=10,random_state=0)
rf_reg.fit(X, y)
y_pred = rf_reg.predict(X)
df_result = pd.DataFrame({'year': X['year'], 'month': X['month'], 'true': y, 'pred': y_pred})
print('True values and predictions')
print(df_result)
print('Feature importances', list(zip(X.columns, rf_reg.feature_importances_)))
這是輸出:
True values and predictions
year month true pred
0 1750 1 3.034 2.2944
1 1750 2 3.083 2.4222
2 1750 3 5.626 5.6434
3 1750 4 8.490 8.3419
4 1750 5 11.573 11.7569
... ... ... ... ...
3187 2015 8 14.755 14.8004
3188 2015 9 12.999 13.0392
3189 2015 10 10.801 10.7068
3190 2015 11 7.433 7.1173
3191 2015 12 5.518 5.1634
[3180 rows x 4 columns]
Feature importances [('month', 0.9543059863177156), ('year', 0.045694013682284394)]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.