Mi objective es ajustar algunos datos a una función polinomial y obtener la ecuación real, incluidos los valores de los parámetros ajustados. Adapté este ejemplo a mis datos y el resultado es el esperado. Aquí está mi código: import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import Ridge from sklearn.preprocessing import PolynomialFeatures from […]
Hola, estoy aprendiendo Statsmodel y no puedo entender la diferencia entre: y * (términos de interacción) para las fórmulas en la regresión StatsModels OLS. ¿Podría por favor darme una pista para resolver esto? ¡Gracias! La documentación: http://statsmodels.sourceforge.net/devel/example_formulas.html
Estas son preguntas sobre cómo calcular y reducir el sobreajuste de aprendizaje automático. Creo que muchas de las novedades en el aprendizaje automático tendrán las mismas preguntas, así que traté de ser claro con mis ejemplos y preguntas con la esperanza de que las respuestas aquí puedan ayudar a otros. Tengo una muestra muy pequeña […]
Tenga en cuenta que esta no es una pregunta acerca de la regresión múltiple, sino que se trata de realizar una regresión simple (variable única) varias veces en Python / NumPy (2.7). Tengo dos m x n matrices x y y . Las filas se corresponden entre sí, y cada par es el conjunto de […]
Estoy utilizando scikit learn para la operación de regresión del proceso gaussiano (GPR) para predecir datos. Mis datos de entrenamiento son los siguientes: x_train = np.array([[0,0],[2,2],[3,3]]) #2-D cartesian coordinate points y_train = np.array([[200,250, 155],[321,345,210],[417,445,851]]) #observed output from three different datasources at respective input data points (x_train) Los puntos de prueba (2-D) donde se debe predecir […]
¿Cómo se calcula una línea de mejor ajuste en python y luego se grafica en un diagtwig de dispersión en matplotlib? Calculé la línea lineal de mejor ajuste utilizando la Regresión de mínimos cuadrados ordinarios de la siguiente manera: from sklearn import linear_model clf = linear_model.LinearRegression() x = [[t.x1,t.x2,t.x3,t.x4,t.x5] for t in self.trainingTexts] y = […]
Estoy trabajando con un conjunto de datos simple y por razones de reproducibilidad, lo comparto aquí . Para aclarar lo que estoy haciendo, de la columna 2, estoy leyendo la fila actual y la comparo con el valor de la fila anterior. Si es mayor, sigo comparando. Si el valor actual es más pequeño que […]
Estoy intentando ejecutar xgboost utilizando spyder y python, pero sigo recibiendo este error: AttributeError: el módulo ‘xgboost’ no tiene atributo ‘XGBRegressor’ Aquí está el código: import xgboost as xgb xgb.XGBRegressor(max_depth=3, learning_rate=0.1, n_estimators=100, silent=True, objective=’reg:linear’, gamma=0, min_child_weight=1, max_delta_step=0, subsample=1, colsample_bytree=1, seed=0, missing=None) Error es Traceback (most recent call last): File “”, line 1, in xgb.XGBRegressor(max_depth=3, learning_rate=0.1, […]
Quiero recortar valores, ¿cómo podría hacer eso? Intenté usar esto: from keras.backend.tensorflow_backend import clip from keras.layers.core import Lambda … model.add(Dense(1)) model.add(Activation(‘linear’)) model.add(Lambda(lambda x: clip(x, min_value=200, max_value=1000))) Pero no importa dónde coloque mi clip Lambda +, ¿no afecta nada?
Tengo un dataframe de pandas y me gustaría poder predecir los valores de la columna A a partir de los valores de las columnas B y C. Aquí hay un ejemplo de juguete: import pandas as pd df = pd.DataFrame({“A”: [10,20,30,40,50], “B”: [20, 30, 10, 40, 50], “C”: [32, 234, 23, 23, 42523]}) Idealmente, tendría […]