如何解决从数组列表中返回最小值
我有两个模型(一个用三维数据集训练,另一个用二维数据集训练)。我试图将两者结合起来以找到更接近预测的值(下面的 y_test)
为此,我目前正在将模型一的预测结果减去模型二,将模型一乘以“t”,然后与真实预测值进行比较。
我需要找到与预测值相差最小的“t”值。
dp = abs( y_test.mean() - ( (BayReg.predict([[x_test.mean()]])*t) - model_enet.predict(x_testa).mean() ) )
遍历潜在的“t”值后,我一直在收集列表中实际预测(y_test 平均值)之间的差异
r=[]
for t in range(6):
dp = abs( y_test.mean() - ( (BayReg.predict([[x_test.mean()]])*t) - model_enet.predict(x_testa).mean() ) )
r.append(dp)
m = sorted(r)[0]
print(m)
但是,我正在努力从该列表中选择最低值(r - 数组列表)
除了排序然后提取第一个值(上面 - 当应用于循环外的数组时似乎工作正常,但不在循环内),我还尝试过:
min(r)
np.min(r)
[func(c) for c in r for func in (min,max)]
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。