هوش مصنوعی با پایتون – بخش ششم – یادگیری نظارت شده : رگرسیون

حالا باید یک شیء رگرسیون خطی ایجاد کنیم.
reg_linear_mul = linear_model.LinearRegression()
شیء ایجاد شده را با نمونههای آموزشی train میکنیم.
reg_linear_mul.fit(X_train, y_train)
حالا درنهایت ما باید عمل پیشبینی را با استفاده از دادههای تست انجام دهیم.
y_test_pred = reg_linear_mul.predict(X_test)
print(“Performance of Linear regressor:”)
print(“Mean absolute error =”, round(sm.mean_absolute_error(y_test, y_test_pred), 2))
print(“Mean squared error =”, round(sm.mean_squared_error(y_test, y_test_pred), 2))
print(“Median absolute error =”, round(sm.median_absolute_error(y_test, y_test_pred), 2))
print(“Explain variance score =”, round(sm.explained_variance_score(y_test, y_test_pred), 2))
print(“R2 score =”, round(sm.r2_score(y_test, y_test_pred), 2))
خروجی:
کاراییِ رگرسیون خطی:
Mean absolute error = 0.6
Mean squared error = 0.65
Median absolute error = 0.41
Explain variance score = 0.34
R2 score = 0.33
اکنون چند جملهای از درجه ۱۰ ایجاد خواهیم کرد و رگرسیون را آموزش خواهیم داد. میخواهیم sample Data point ایجاد کنیم.
polynomial = PolynomialFeatures(degree = 10)
X_train_transformed = polynomial.fit_transform(X_train)
datapoint = [[2.23, 1.35, 1.12]]
poly_datapoint = polynomial.fit_transform(datapoint)
poly_linear_model = linear_model.LinearRegression()
poly_linear_model.fit(X_train_transformed, y_train)
print(“\nLinear regression:\n”, reg_linear_mul.predict(datapoint))
print(“\nPolynomial regression:\n”, poly_linear_model.predict(poly_datapoint))
خروجی:
رگرسیون خطی:
[۲.۴۰۱۷۰۴۶۲]
رگرسیون چندجملهای:
[۱.۸۶۹۷۲۲۵]
در کد بالا ، ما از این دادههای کوچک برای خروجی گرفتن استفاده کردهایم. اگر میخواهید برخی از دادهها بزرگ باشند، میتوانید از sklearn.dataset برای واردکردن مجموعه داده بزرگتر استفاده کنید.
۲,۴.۸,۱.۲,۳.۲۲.۹,۴.۷,۱.۵,۳.۶۲.۵,۵,۲.۸,۲۳.۲,۵.۵,۳.۵,۲.۱۶,۵,
۲,۳.۲۷.۶,۴,۱.۲,۳.۲۳.۲,۰.۹,۲.۳,۱.۴۲.۹,۱.۹,۲.۳,۱.۲۲.۴,۳.۵,
۲.۸,۳.۶۰.۵,۳.۴,۱.۸,۲.۹۱,۴,۳,۲.۵۰.۹,۵.۹,۵.۶,۰.۸۱.۲,۲.۵۸,
۳.۴۵,۱.۲۳۳.۲,۵.۶,۲,۳.۲۵.۱,۱.۵,۱.۲,۱.۳۴.۵,۱.۲,۴.۱,۲.۳۲.۳,
۶.۳,۲.۵,۳.۲۲.۱,۲.۸,۱.۲,۳.۶
قسمتهای دیگر مقاله را از لینکهای زیر بخوانید:
هوش مصنوعی با پایتون – بخش ششم – یادگیری نظارت شده : رگرسیون (قسمت اول)
هوش مصنوعی با پایتون – بخش ششم – یادگیری نظارت شده : رگرسیون (قسمت دوم)