原文鏈接：http://tecdat.cn/?p=25939

原文出處：拓端數(shù)據(jù)部落公眾號

在之前的文章中，我們研究了許多使用 多輸出回歸分析的方法。在本教程中，我們將學(xué)習(xí)如何使用梯度提升決策樹GRADIENT BOOSTING REGRESSOR擬合和預(yù)測多輸出回歸數(shù)據(jù)。對于給定的 x 輸入數(shù)據(jù)，多輸出數(shù)據(jù)包含多個目標(biāo)標(biāo)簽。本教程涵蓋：

1. 準備數(shù)據(jù)

2. 定義模型

3. 預(yù)測和可視化結(jié)果

我們將從加載本教程所需的庫開始。
?

準備數(shù)據(jù)

首先，我們將為本教程創(chuàng)建一個多輸出數(shù)據(jù)集。它是隨機生成的數(shù)據(jù)，具有以下一些規(guī)則。該數(shù)據(jù)集中有三個輸入和兩個輸出。我們將繪制生成的數(shù)據(jù)以直觀地檢查它。
?

1. 


2. f = plt.figure()

3. f.add_subplot(1,2,1)

4. plt.title("Xs 輸入數(shù)據(jù)")

5. plt.plot(X)

接下來，我們將數(shù)據(jù)集拆分為訓(xùn)練和測試部分并檢查數(shù)據(jù)形狀。
?

print("xtrain:", xtrain.shape, "ytrian:", ytrain.shape)

定義模型

我們將定義模型。作為估計，我們將使用默認參數(shù)實現(xiàn)?？梢酝ㄟ^ print 命令查看模型的參數(shù)。

1. 


2. model = MutRer(es=gbr)

3. print(model )

現(xiàn)在，我們可以用訓(xùn)練數(shù)據(jù)擬合模型并檢查訓(xùn)練結(jié)果。
?

1. fit(xtrain, ytrain)

2. score(xtrain, ytrain)

3. 


預(yù)測和可視化結(jié)果?

我們將使用經(jīng)過訓(xùn)練的模型預(yù)測測試數(shù)據(jù)，并檢查 y1 和 y2 輸出的 MSE 率。
?

predict

?

最后，我們將在圖中可視化結(jié)果并直觀地檢查它們。

1. xax = range(len)

2. plt.plot

3. plt.legend

在本教程中，我們簡要學(xué)習(xí)了如何在 Python 中訓(xùn)練了多輸出數(shù)據(jù)集和預(yù)測的測試數(shù)據(jù)。?

最受歡迎的見解

1.R語言多元Logistic邏輯回歸 應(yīng)用案例

2.面板平滑轉(zhuǎn)移回歸(PSTR)分析案例實現(xiàn)

3.matlab中的偏最小二乘回歸（PLSR）和主成分回歸（PCR）

4.R語言泊松Poisson回歸模型分析案例

5.R語言回歸中的Hosmer-Lemeshow擬合優(yōu)度檢驗

6.r語言中對LASSO回歸，Ridge嶺回歸和Elastic Net模型實現(xiàn)

7.在R語言中實現(xiàn)Logistic邏輯回歸

8.python用線性回歸預(yù)測股票價格

9.R語言如何在生存分析與Cox回歸中計算IDI，NRI指標(biāo)