如何使用 Python Scikit-learn 生成隨機迴歸問題？

Python Scikit-learn 提供了 `make_regression()` 函式，我們可以用它來生成隨機迴歸問題。在本教程中，我們將學習如何生成隨機迴歸問題和具有稀疏不相關設計的隨機迴歸問題。

隨機迴歸問題

要使用 Python Scikit-learn 生成隨機迴歸問題，我們可以按照以下步驟操作：

步驟 1 - 匯入執行程式所需的庫 `sklearn.datasets.make_regression` 和 `matplotlib`。

步驟 2 - 提供樣本數量和其他引數。

步驟 3 - 使用 matplotlib 庫設定輸出圖形的大小和樣式。

步驟 4 - 使用 matplotlib 繪製迴歸問題。

示例

在下面的示例中，我們將生成具有 500 個樣本的迴歸問題。

# Importing libraries
from sklearn.datasets import make_regression
from matplotlib import pyplot as plt
from matplotlib import style
import seaborn as sns

# Set the figure size
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

# Creating and plotting the regression problem
style.use("Solarize_Light2")

r_data, r_values = make_regression(n_samples=500, n_features=1, n_informative=2, noise=1)

plt.scatter(r_data[:,0],r_values,cmap='rocket');
plt.show()

輸出

它將產生以下輸出：

具有稀疏不相關設計的隨機迴歸問題

Python Scikit-learn 提供了 `make_sparse_uncorrelated()` 函式，我們可以用它來生成具有不相關設計的隨機迴歸問題。

為此，我們可以採取以下步驟：

步驟 1 - 匯入執行程式所需的庫 `sklearn.datasets.make_sparse_uncorrelated` 和 `matplotlib`。

步驟 2 - 提供樣本數量和其他引數。

步驟 3 - 使用 matplotlib 庫設定輸出圖形的大小和樣式。

步驟 4 - 使用 matplotlib 繪製迴歸問題。

示例

在下面的示例中，我們將生成具有 500 個樣本和 4 個特徵的迴歸問題。`n_features` 引數的預設值為 10。

# Importing libraries
from sklearn.datasets import make_sparse_uncorrelated
from matplotlib import pyplot as plt
from matplotlib import style

# Set the figure size
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

# Creating the regression problem with sparse uncorrelated design
X, y = make_sparse_uncorrelated(n_samples=500, n_features=4)

# Plotting the dataset
style.use("Solarize_Light2")
plt.figure(figsize=(7.50, 3.50))
plt.title("Random regression problem with sparse uncorrelated design", fontsize="12")
plt.scatter(X[:,0],y,edgecolor="k");
plt.show()

輸出

它將產生以下輸出：

Gaurav Leekha

更新於：2022年10月4日

953 次瀏覽

開啟你的職業生涯

完成課程獲得認證

開始學習