机器学习比较不同模型效果

这是在贪心学院直播中看到的一个技巧。

以boston房价集为例：
导入模块：

from sklearn.datasets import load_boston
boston=load_boston()

处理数据

from sklearn import preprocessing,model_selection
import numpy as np

#获取房屋数据以及对应房价
X,y=boston.data,boston.targetget

#分割数据
X_train,X_test,y_train,y_test=model_selection.train_test_split(X,y,test_size=0.25,random_state=33)

标准化处理

#对数据进行标准化处理
scaler=preprocessing.StandardScaler()
X_train=scaler.fit_transform(X_train)
X_test=scaler.transform(X_test)

导入三个模型

from sklearn.neighbors import KNeighborsRegressor
from sklearn.linear_model import LinearRegression
from sklearn.svm import SVR
knr=KNeighborsRegressor()
lr=LinearRegression()
svm=SVR()

预测结果列表

models=[knr,lr,svm]
pre_y_list=[model.fit(X_train,y_train).predict(X_test) for model in models]

用pandas表格体现：

import pandas as pd
pre=pd.DataFrame(pre_y_list,index=models)

结果：