本文主要是介绍ML之回归预测之Lasso:利用Lasso算法对对红酒品质wine数据集解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
ML之回归预测之Lasso:利用Lasso算法对对红酒品质wine数据集解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】
目录
输出结果
设计思路
核心代码
输出结果
设计思路
核心代码
names[-1] = "a^2"
names.append("a*b")nrows = len(xList)
ncols = len(xList[0])xMeans = []
xSD = []
for i in range(ncols):col = [xList[j][i] for j in range(nrows)]mean = sum(col)/nrowsxMeans.append(mean)colDiff = [(xList[j][i] - mean) for j in range(nrows)]sumSq = sum([colDiff[i] * colDiff[i] for i in range(nrows)])stdDev = sqrt(sumSq/nrows)xSD.append(stdDev)X = numpy.array(xList) #Unnormalized X's
X = numpy.array(xNormalized) #Normlized Xss
Y = numpy.array(labels) #Unnormalized labels
这篇关于ML之回归预测之Lasso:利用Lasso算法对对红酒品质wine数据集解决回归(实数值评分预测)问题—优化模型【增加新(组合)属性】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!