Python 3.x 创建自定义估计器
一个联邦机构,医疗保险和医疗补助服务中心(CMS),对养老院实施监管。然而,养老院由国家机构检查是否符合规定,违反规定的罚款在各州之间可能差别很大 让我们开发一个非常简单的初始模型来预测一家养老院根据其所在位置可能需要支付的罚款金额。在下面填写自定义估计器StateMeanEstimator的类定义 我收到以下错误消息(您的解决方案与预期类型不匹配):53*number 具体来说,解决方案[52]与{'type':'number'}不匹配: (无) 这是我的密码Python 3.x 创建自定义估计器,python-3.x,pandas,machine-learning,data-science,Python 3.x,Pandas,Machine Learning,Data Science,一个联邦机构,医疗保险和医疗补助服务中心(CMS),对养老院实施监管。然而,养老院由国家机构检查是否符合规定,违反规定的罚款在各州之间可能差别很大 让我们开发一个非常简单的初始模型来预测一家养老院根据其所在位置可能需要支付的罚款金额。在下面填写自定义估计器StateMeanEstimator的类定义 我收到以下错误消息(您的解决方案与预期类型不匹配):53*number 具体来说,解决方案[52]与{'type':'number'}不匹配: (无) 这是我的密码 from sklearn.bas
from sklearn.base import BaseEstimator, RegressorMixin, TransformerMixin
类群平均估计量(基估计量,回归系数):
definit(自我,grouper):
self.gropper=石斑鱼
self.group_平均值={}
def fit(self, X, y):
# Use self.group_averages to store the average penalty by group
Xy = X.join(y)
state_mean_series = Xy.groupby(self.grouper)[y.name].mean()
for row in pd.DataFrame(state_mean_series).itertuples():
self.group_averages[row[0]] = row[1]
return self
def predict(self, X):
# Return a list of predicted penalties based on group of samples in X
if not isinstance(X, pd.DataFrame):
X = pd.DataFrame(X)
dictionary = self.group_averages
group = self.grouper
list_of_predictions = []
for row in X.itertuples():
prediction = dictionary.get(row.STATE)
list_of_predictions.append(prediction)
return list_of_predictions
如果没有重现问题的数据,那就没什么帮助了。请阅读Jon Skeet的优秀博客文章,以获得更新问题的指导。有关提问的更详细教程,请参阅Eric S.Raymond的网站,请阅读标签的描述。