Форум программистов, компьютерный форум, киберфорум
Наши страницы
Python: Сети
Войти
Регистрация
Восстановить пароль
 
Vladana
0 / 0 / 0
Регистрация: 05.11.2016
Сообщений: 6
1

F1_score для линейной регрессии

02.05.2019, 21:43. Просмотров 214. Ответов 1
Метки нет (Все метки)

Если линейная регрессия, препод попросил посчитать f1score, но у меня ничего не выходит, помогите пжлст.

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
from numpy import genfromtxt
from sklearn.datasets import load_boston
from sklearn.metrics import f1_score
 
 
def read_dataset(filePath,delimiter=','):
    return genfromtxt(filePath, delimiter=delimiter)
 
def read_boston_data():
    boston = load_boston()
    features = np.array(boston.data)
    labels = np.array(boston.target)
    return features, labels
 
def feature_normalize(dataset):
    mu = np.mean(dataset,axis=0)
    sigma = np.std(dataset,axis=0)
    return (dataset - mu)/sigma
 
def append_bias_reshape(features,labels):
    n_training_samples = features.shape[0]
    n_dim = features.shape[1]
    f = np.reshape(np.c_[np.ones(n_training_samples),features],[n_training_samples,n_dim + 1])
    l = np.reshape(labels,[n_training_samples,1])
    return f, l
 
 
 
features,labels = read_boston_data()
normalized_features = feature_normalize(features)
f, l = append_bias_reshape(normalized_features,labels)
n_dim = f.shape[1]
 
rnd_indices = np.random.rand(len(f)) < 0.90
 
train_x = f[rnd_indices]
train_y = l[rnd_indices]
test_x = f[~rnd_indices]
test_y = l[~rnd_indices]
 
 
learning_rate = 0.002
training_epochs = 2000
cost_history = np.empty(shape=[1],dtype=float)
 
 
 
X = tf.placeholder(tf.float32,[None,n_dim])
Y = tf.placeholder(tf.float32,[None,1])
W = tf.Variable(tf.ones([n_dim,1]))
 
init = tf.initialize_all_variables()
y_ = tf.matmul(X, W)
cost = tf.reduce_mean(tf.square(y_ - Y))
training_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
 
sess = tf.Session()
sess.run(init)
 
for epoch in range(training_epochs):
    sess.run(training_step,feed_dict={X:train_x,Y:train_y})
    cost_history = np.append(cost_history,sess.run(cost,feed_dict={X: train_x,Y: train_y}))
 
plt.plot ( range ( len (cost_history)), cost_history)
plt.axis ([ 0 , training_epochs, 0 , np.max (cost_history)])
plt.show ()
 
pred_y = sess.run(y_, feed_dict={X: test_x})
mse = tf.reduce_mean(tf.square(pred_y - test_y))
print("Средняя квадратичная ошиибка: %.4f" % sess.run(mse))
 
fig, ax = plt.subplots()
ax.scatter(test_y, pred_y)
ax.plot([test_y.min(), test_y.max()], [test_y.min(), test_y.max()], 'k--', lw=3)
ax.set_xlabel('Правильная стоимость')
ax.set_ylabel('Предсказанная стоимость')
plt.show()
 
sess.close()
Добавлено через 11 минут
Пробую так f1_score(test_y, pred_y, average=None), но вылетает ошибка
0
QA
Эксперт
41792 / 34177 / 6122
Регистрация: 12.04.2006
Сообщений: 57,940
02.05.2019, 21:43
Ответы с готовыми решениями:

Существует ли алгоритм для быстрого расчёта линейной регрессии?
Существует ли алгоритм для быстрого расчёта линейной регрессии?

Уравнение линейной регрессии
Даны две последовательности X и Y наблюдаемых значений случайной величины CB(X, Y) разработайте...

Определить уравнение линейной регрессии
MathCAD Определить уравнение линейной регрессии для указанной таблице:

Выразить коэффициенты линейной регрессии
На этой страничке подробно расписано, как выразить коэффициенты a и b в уравнении y(x)=a+bx при...

Расчет коэффициента линейной регрессии
Порядок работы 1. Набрать на «листе 1» в первых двух столбцах таблицу исходных данных X и Y,...

1
Garry Galler
2328 / 1751 / 660
Регистрация: 28.10.2013
Сообщений: 4,477
03.05.2019, 18:31 2
Цитата Сообщение от Vladana Посмотреть сообщение
но вылетает ошибка
Ошибка - не птица, летать не умеет. (также он не умеет ходить и вылезать)
Научитесь правильно формулировать вопросы.
И еще: если в коде есть ошибка - значит есть traceback.
Если в посте traceback не показан - отвечать не на что.

P.S. Какое отношение ваш код имеет к разделу СЕТИ(сетевые технологии, протоколы, модель OSI и т.д.)?
0
Answers
Эксперт
37091 / 29110 / 5898
Регистрация: 17.06.2006
Сообщений: 43,301
03.05.2019, 18:31

Выполнить расчет уравнения линейной регрессии
Всем доброго дня! Помогите,пожалуйста,лучше разобраться в скрипте,который выполняет расчет...

Вычисление коэффициентов уравнения линейной регрессии
Здравствуйте. Помогите пожалуйста сделать столбцы по теме : Вычисление коэффициентов уравнения...

Вычисление линии тренда (линейной регрессии)
Доброго времени суток. Человек я тут новый, так что тапками сильно не бросайтесь пожалуйста. Обычно...


Искать еще темы с ответами

Или воспользуйтесь поиском по форуму:
2
Ответ Создать тему
Опции темы

КиберФорум - форум программистов, компьютерный форум, программирование
Powered by vBulletin® Version 3.8.9
Copyright ©2000 - 2019, vBulletin Solutions, Inc.
Рейтинг@Mail.ru