我试着用x+y+z等于1的条件做几个循环,进入最后一个循环。你知道吗
我使用了以下方法:
import numpy as np
for gbrCount in np.arange(0, 1.0, 0.1):
for xgbCount in np.arange(0, 1.0, 0.1):
for regCount in np.arange(0, 1.0, 0.1):
#check if sum is 1
if int(gbrCount+xgbCount+regCount) == 1:
y_p = (xgbCount*xgb.predict(testset)+ gbrCount*gbr.predict(testset)+regCount*regressor.predict(testset))
testset['SalePrice']=np.expm1(y_p)
y_train_p = xgb.predict(dataset)
y_train_p = np.expm1(y_train_p)
rmse.append(np.sqrt(mean_squared_error(y, y_train_p)))
rmse.append(xgbCount)
rmse.append(gbrCount)
rmse.append(regCount)
但即使总和大于1,它也会进入循环。(xgb、reg和gbr)的某些值类似于0.70000001。你知道吗
所以我试着使用linspace,但它对float不起作用。所以我尝试了这个范围:
for gbrCount in range(0, 1):
gbrCount += 0.1
for xgbCount in range(0, 1):
xgbCount += 0.1
for regCount in range(0, 1):
regCount += 0.1
if int(gbrCount+xgbCount+regCount)==1:
#y_p = (xgbCount*xgb.predict(testset)+ gbrCount*gbr.predict(testset)+regCount*regressor.predict(testset))
#testset['SalePrice']=np.expm1(y_p)
y_train_p = (xgbCount*xgb.predict(dataset)+ gbrCount*gbr.predict(dataset)+regCount*regressor.predict(dataset))
y_train_p = np.expm1(y_train_p)
# print(np.sqrt(mean_squared_error(y, y_train_p)))
# print(xgbCount)
# print(gbrCount)
# print(regCount)
print(xgbCount, gbrCount, regCount, np.sqrt(mean_squared_error(y, y_train_p)))
但是它在控制台上没有任何错误。你知道吗
这个怎么样?(我不认为最后一轮是必要的,但为了安全起见,我把它放在那儿了。)
相关问题 更多 >
编程相关推荐