Python机器学习

Posted 2023-03-12

【中文标题】Python机器学习

【英文标题】：Python Machine Learning

【发布时间】：2019-05-14 09:39:46

【问题描述】：

我正在尝试预测我的服务器负载，但我得到的准确率低于 10%。我正在使用线性回归来预测数据，有谁能帮帮我吗？

ps，csv 文件包含日期和时间，所以我将两者都转换为整数。不确定我做得对吗

这些是我的代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import mpl_toolkits
import imp
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing

data = pd.read_csv(".....\\Machine_Learning_Serious\\Server_Prediction\\testing_server.csv")
describe = data.describe()

data_cleanup = "Timestamp":'AM': 0, 'PM': 1,
    "Function":'ccpl_db01': 0, 'ccpl_fin01': 1, 'ccpl_web01': 2,
    "Type": '% Disk Time': 0, 'CPU Load': 1, 'DiskFree%_C:': 2, 'DiskFree%_D:': 3, 'DiskFree%_E:': 4, 'FreeMemory': 5, 'IIS Current Connections': 6, 'Processor Queue Length': 7, 'SQL_Buffer cache hit ratio': 8, 'SQL_User Connections': 9
data.replace(data_cleanup,inplace = True)
final_data = data.head()
#print(final_data)

from sklearn.linear_model import LinearRegression
reg = LinearRegression()
labels = data['Data']
train1 = data.drop(['Data'], axis = 1)

from sklearn.model_selection import train_test_split
from sklearn import ensemble
x_train , x_test , y_train , y_test = train_test_split(train1, labels, test_size = 0.25, random_state = 2)
#clf = ensemble.GradientBoostingRegressor(n_estimators= 400 , max_depth = 5,min_samples_split = 2, learning_rate = 0.1,loss='ls')
fitting = reg.fit(x_train,y_train)
score = reg.score(x_test,y_test)

主要目标是预测正确的负载，但现在我离得太远了。

【问题讨论】：

也许您的数据和标签之间根本没有线性连接？

@ChristianKönig，嗯……我怎么知道是线性连接还是没有线性连接？有没有办法检查一下？

嗯，这就是机器学习的重点，不是吗？在您的数据中查找连接。如果有一种简单的检查方法，为什么要进行线性回归？

@ChristianKönig，嗯……我现在明白了……谢谢！

【参考方案1】：

也许先做一些探索性数据分析，看看是否能找出目标变量和特征之间的模式？

最好从日期/时间变量中提取一些特征，而不是将它们用作整数（如 weekday_or_not、seasons 等）

您还可以尝试转换您的特征（log、sqrt）以查看分数是否有所提高。

我还建议您尝试一个简单的随机森林/xgboost 模型来检查它与线性回归模型的表现如何