嘗試理解 ML 上的示例腳本

Question

我正在嘗試通過一個關於機器學習的示例腳本： 線性模型系數解釋中的常見陷阱，但我無法理解某些步驟。 腳本的開頭是這樣的：

import numpy as np
import scipy as sp
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

from sklearn.datasets import fetch_openml

survey = fetch_openml(data_id=534, as_frame=True)

# We identify features `X` and targets `y`: the column WAGE is our
# target variable (i.e., the variable which we want to predict).
X = survey.data[survey.feature_names]
X.describe(include="all")

X.head()

# Our target for prediction is the wage.
y = survey.target.values.ravel()
survey.target.head()

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

train_dataset = X_train.copy()
train_dataset.insert(0, "WAGE", y_train)
_ = sns.pairplot(train_dataset, kind='reg', diag_kind='kde')

我的問題出在線路上

y = survey.target.values.ravel()
survey.target.head()

如果我們在這些行之后立即檢查survey.target.head() ，輸出是

Out[36]: 
0    5.10
1    4.95
2    6.67
3    4.00
4    7.50
Name: WAGE, dtype: float64

模型如何知道WAGE是目標變量？ 是不是必須顯式聲明？

Answer 1

行survey.target.values.ravel()旨在展平數組，但在本例中它不是必需的。 survey.target 是一個 pd 系列（即 1 列數據框），survey.target.values 是一個 numpy 數組。 您可以將兩者都用於訓練/測試拆分，因為survey.target只有 1 列。

type(survey.target)
pandas.core.series.Series

type(survey.target.values)
numpy.ndarray

如果我們只使用survey.target，您可以看到回歸將起作用：

y = survey.target

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

train_dataset = X_train.copy()
train_dataset.insert(0, "WAGE", y_train)
sns.pairplot(train_dataset, kind='reg', diag_kind='kde')

如果您有另一個數據集，例如 iris，我想將花瓣寬度與其余數據集進行回歸。 您將使用方括號[]調用 data.frame 的列：

from sklearn.datasets import load_iris
from sklearn.linear_model import LinearRegression

dat = load_iris(as_frame=True).frame

X = dat[['sepal length (cm)','sepal width (cm)','petal length (cm)']]
y = dat[['petal width (cm)']]

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

LR = LinearRegression()
LR.fit(X_train,y_train)
plt.scatter(x=y_test,y=LR.predict(X_test))