我正在使用python语言和sciket学习库解决经典的回归问题。很简单:
ml_model = GradientBoostingRegressor()
ml_params = {}
ml_model.fit(X_train, y_train)
其中y_train
是一维数组状对象
现在我想扩展任务的功能,不是得到一个单一的目标值,而是一组目标值。样本的训练集X_train
将保持不变。
解决这个问题的直观方法是训练几个模型,其中所有模型的X_train
都是相同的,但是每个模型的y_train
都是特定的。这绝对是一个有效的,但在我看来,低效的解决方案。你知道吗
在寻找替代方案时,我遇到了多目标回归等概念。据我所知,scikit learn中没有实现这种功能。 如何有效地解决python中的多目标回归问题?(谢谢)
这取决于你解决了什么问题,你有训练数据,以及你选择的算法来找到解决方案。不知道所有细节就很难提出任何建议。您可以尝试以random forest作为起点。这是一个非常强大和稳健的算法,在没有太多数据的情况下,它可以抵抗过度拟合,也可以用于多目标回归。下面是一个工作示例:
输出:
该算法本身支持多目标回归。对于那些没有的,您可以使用multi-output regressor,它只适合每个目标一个回归器。你知道吗
相关问题 更多 >
编程相关推荐