包括来自 SciKit Learn Prediction 的标签

Posted 2023-03-12

【中文标题】包括来自 SciKit Learn Prediction 的标签

【英文标题】：Include Labels from SciKit Learn Prediction

【发布时间】：2020-11-13 05:45:56

【问题描述】：

我已经成功地对下面的数据集进行了预测，但我正试图弄清楚如何将模型的预测输出映射回 TEAM 标签。我正在使用 Python 3、Pandas 和 SciKit Learn。

样本数据：

Team    A   B    C  Score
Red     5   7   15  100
Green   4   8   22  57
Blue    3   8   33  23
Yellow  6   8   44  122 

这是我设置的简单线性回归的示例。

#file input
learning = sample_data

#features
feature_cols = ['A','B','C']


#feature harness
X = learning.loc[:, feature_cols]

#target harness
Y = learning.Score

#model fit
model = LinearRegression()
model.fit(X, Y)

# set up model harness for X
Xnew = learning.values

# set up model harness for Y
ynew = model.predict(Xnew)

print(ynew)

使用它，我可以生成如下预测数组：

[108.3970182  181.02527571 230.70598661 120.18243645]

但我正在尝试获得如下所示的结果，因此当我将没有 SCORE 的新数据输入模型时，我可以预测每个团队的 SCORE：

[Red:108.3970182  Green:181.02527571 Blue:230.70598661 Yellow:120.18243645]

我对格式很灵活，我只需要将预测输出与输入中的每个特定团队进行匹配。

【参考方案1】：

您可以将它们作为新列添加到数据集。

# new data new_data (assumes DataFrame)
# You don’t have to pass new_data.values to Scikit-learn 
# Scikit-learn accepts DataFrame as it is

predictions = model.predict(new_data)

new_data['predictions'] = predictions 

print(new_data)

【参考方案2】：

您想要在数据中添加新列吗：

learning['prediction'] = ynew

或者你想要一本字典：

d = k:v for k,v in zip(learning['Team'], ynew)

【讨论】：

与上述相同的评论 - 当我尝试将 Team 作为 feature_col 运行时，我收到一个错误 > ValueError: could not convert string to float: 'Red'