当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python sklearn VotingRegressor用法及代码示例


本文简要介绍python语言中 sklearn.ensemble.VotingRegressor 的用法。

用法:

class sklearn.ensemble.VotingRegressor(estimators, *, weights=None, n_jobs=None, verbose=False)

未拟合估计量的预测投票回归器。

投票回归器是一个集合meta-estimator,它适合多个基本回归器,每个回归器都在整个数据集上。然后它对各个预测进行平均以形成最终预测。

在用户指南中阅读更多信息。

参数

estimators(str, estimator) 元组列表

VotingRegressor 上调用 fit 方法将适合将存储在类属性 self.estimators_ 中的那些原始估计器的克隆。可以使用 set_params 将估计器设置为 'drop'

weights形状类似数组 (n_regressors,),默认=无

权重序列(floatint)在平均之前对预测值的出现进行加权。如果 None 使用统一权重。

n_jobs整数,默认=无

fit 并行运行的作业数。 None 表示 1,除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关详细信息,请参阅词汇表。

verbose布尔,默认=假

如果为 True,则在拟合完成时将打印经过的时间。

属性

estimators_回归器列表

estimators 中定义的不是 ‘drop’ 的拟合 sub-estimators 的集合。

named_estimators_sklearn.utils.Bunch

按名称访问任何适合的sub-estimators 的属性。

n_features_in_int

拟合期间看到的特征数。

feature_names_in_ndarray 形状(n_features_in_,)

拟合期间看到的特征名称。仅当基础估计器在合适时公开此类属性时才定义。 .. 版本添加::1.0

例子

>>> import numpy as np
>>> from sklearn.linear_model import LinearRegression
>>> from sklearn.ensemble import RandomForestRegressor
>>> from sklearn.ensemble import VotingRegressor
>>> r1 = LinearRegression()
>>> r2 = RandomForestRegressor(n_estimators=10, random_state=1)
>>> X = np.array([[1, 1], [2, 4], [3, 9], [4, 16], [5, 25], [6, 36]])
>>> y = np.array([2, 6, 12, 20, 30, 42])
>>> er = VotingRegressor([('lr', r1), ('rf', r2)])
>>> print(er.fit(X, y).predict(X))
[ 3.3  5.7 11.8 19.7 28.  40.3]

相关用法


注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.ensemble.VotingRegressor。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。