python - 收入预测神经网络 Python
问题描述
我正在尝试创建一个神经网络。我删掉a
了,因为我有超过 1000 个列表。我看了很多教程,但我需要一些帮助:
我可以使用列表列表而不是 dic 作为我的数据库吗?
# a[0] is the price
# a[1] is the paid value
# a[2] is my result
from sklearn.neighbors import KNeighborsClassifier
from pandas import DataFrame
a = [[0.063807299, 0.71, 0.00071],
[0.363262854, 0.7, 0.0007],
[0.836344317, 0.76, 0.00076]]
df = DataFrame(a)
df.columns = ['value1', 'value2', 'result']
X_train, y_train = df['value1'], df['value2']
knn = KNeighborsClassifier(n_neighbors=7)
knn.fit(X_train, y_train)
knn.score(X_train, y_train)
knn.predict([[1.2, 3.4]])
>>> 0.025 # This would be my results for example
解决方案
是的,是的,你可以。对于 pandas 库,这变得微不足道。首先,您需要import pandas
,然后使用以下代码可以将列表列表转换为 pandas 数据框:
df = DataFrame(a, columns=headers)
然后你可以设置训练集:
X_train, y_train = df['value1'], df['value2']
您的value2
列应包含分类器使用的标签。对于 KNN 分类器,标签不能是浮点类型,因此只需将它们调整为整数即可解决问题。
a = [[0.063807299, 71, 0.00071],
[0.363262854, 7, 0.0007],
[0.836344317, 76, 0.00076]]
lab_enc = preprocessing.LabelEncoder()
df = DataFrame(a)
df.columns = ['value1', 'value2', 'result']
X_train, y_train = df['value1'].values.reshape(-1,1), df['value2'].values.reshape(-1,1)
knn = KNeighborsClassifier(n_neighbors=2)
knn.fit(X_train, y_train.ravel())
knn.score(X_train, y_train)
print(knn.predict([[0.7]]))
推荐阅读
- javascript - 有没有办法访问/修改节点模块/功能的“执行上下文”
- c# - C#将“当前”属性添加到从列表继承的列表类
- ruby-on-rails - Rails 6.1、Ruby 3.0.0:测试错误,因为它们无法加载 rexml
- bots - Microsoft Teams Bot:replyToId 似乎被忽略了
- r - 向 data.tree 对象添加“填充”属性以用于 R 中的 collapsibleTree
- reactjs - 使用反应路由器 V6 和刷新页面时我得到空白页面
- ansible - 有限 sudo 的 Ansible 权限提升
- javascript - 如果没有 lat/lng 值,则不要将其绘制在地图上
- c# - C# Source Generator - 警告 CS8032:无法创建分析器实例
- sql - 访问基于过滤器的动态 AVG 查询