如何解决如何在没有类的情况下使用多目标回归
414049364,21773560
414049656,21773926
414049938,21774287
414050204,21774638
414050453,21774975
414050682,21775296
414050895,21775597
414051093,21775874
414051278,21776125
414051453,21776344
414051620,21776530
414051780,21776678
414051935,21776785
414052089,21776849
414052242,21776865
以及我从该网站创建的代码 https://machinelearningmastery.com/multi-output-regression-models-with-python/:
import pandas as pd
# linear regression for multIoUtput regression
from sklearn.datasets import make_regression
from sklearn.linear_model import LinearRegression
X=pd.read_csv("data.csv")
# define model
model = LinearRegression()
# fit model
model.fit(X,y)
# make a prediction
row = [0.21947749,0.32948997,0.81560036,0.440956,-0.0606303,-0.29257894,-0.2820059,-0.00290545,0.96402263,0.04992249]
yhat = model.predict([row])
# summarize prediction
print(yhat[0])
这里,我有一些疑问:
- 在我的情况下 y 是什么?我的数据 X 是纬度和经度。
- 一行有什么用?
我有使用单个属性进行预测的经验,但是,我不知道如何处理。拜托,我需要一些帮助。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。