如何从 scikit-learn 玩具数据集中预测数据

Posted 2023-03-11

【中文标题】如何从 scikit-learn 玩具数据集中预测数据

【英文标题】：How to predict data from scikit-learn toy dataset

【发布时间】：2021-07-21 20:46:25

【问题描述】：

我正在学习机器学习，并且正在尝试分析 scikit 糖尿病玩具数据库。在这种情况下，我想将默认的 Bunch 对象更改为 pandas DataFrame 对象。我尝试使用参数 as_frame=True，它确实将对象类型更改为 DataFrame。

所以在那之后，我对数据进行了训练，当我尝试绘制它时，问题就来了：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn import datasets, linear_model
from sklearn.model_selection import train_test_split

dataset = datasets.load_diabetes(as_frame=True)

X = dataset.data
y = dataset.target

y = y.to_frame()

X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.8, random_state=42)

regressor = linear_model.LinearRegression()
regressor.fit(X_train, y_train)

plt.scatter(X_train, y_train, color='blue')
plt.plot(X_train, regressor.predict(X_test), color='red')

问题是当我尝试使用 matplotlib 绘制它时，因为 as_frame=True 返回 (data, target)，其中数据是 DataFrame 对象，目标是 Series。

Traceback (most recent call last):
  File "C:/Users/Kelvin/OneDrive/Documents/analytics/diabetes-sklearn/test.py", line 19, in <module>
    plt.scatter(X_train, y_train, color='blue')
  File "C:\Users\Kelvin\OneDrive\Desktop\analytics\lib\site-packages\matplotlib\pyplot.py", line 3037, in scatter
    __ret = gca().scatter(
  File "C:\Users\Kelvin\OneDrive\Desktop\analytics\lib\site-packages\matplotlib\__init__.py", line 1352, in inner
    return func(ax, *map(sanitize_sequence, args), **kwargs)
  File "C:\Users\Kelvin\OneDrive\Desktop\analytics\lib\site-packages\matplotlib\axes\_axes.py", line 4478, in scatter
    raise ValueError("x and y must be the same size")
ValueError: x and y must be the same size

所以，我的问题是，是否有办法可以将整个数据更改为 DataFrame，就像我们使用 pd.read_csv() 获取数据的方式一样？

【问题讨论】：

您不能绘制 X_train 与 y_train，因为 X_train 有多个列。如果它只是一列，你可以拥有

【参考方案1】：

这已经是一个数据框，您会遇到错误，因为您正在用 y_train 绘制 X_train 并且 X_train 有多个列。

但如果您希望数据集保存在 csv 文件中，您可以使用此代码。

X.to_csv('train_data.csv')

这会将数据集保存到工作目录中的 csv 文件中。现在您可以在train_data.csv 上使用pd.read_csv。