Python全系列 教程
3567个小节阅读:5930.6k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
xxxxxxxxxx
11pip install scikit-learn==1.3.1
本项目使用RandomForestRegressor建立随机森林回归模型
xxxxxxxxxx
211from sklearn.model_selection import train_test_split
2from sklearn.ensemble import RandomForestRegressor
3from sklearn.metrics import mean_squared_error,mean_absolute_error
4
5X = df[df.columns.difference(['price'])].values # 特征
6y = df['price'].values # 标签
7
8# 拆分数据集
9X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3,random_state=666)
10# n_estimators 表示构建的决策树数量
11# max_depth 参数表示每棵决策树的最大深度
12# 调整这些参数可以对模型的性能和过拟合程度进行控制
13rf = RandomForestRegressor(n_estimators=20,max_depth=7)
14rf.fit(X_train,y_train) # 拟合训练
15pred = rf.predict(X_test) # 预测
16
17# 模型评估
18# 均方误差 值越小越好,表示模型的预测与真实值更接近。
19print('MSE',mean_squared_error(y_test,pred))
20# 平均绝对误差 值越小越好,表示模型的平均预测误差更小
21print('MAE',mean_absolute_error(y_test,pred))