Python 为scikit线性回归模型生成numpy数组

我有一个包含多个变量的大型数据集：商品、位置、质量（1-10分制），以及一系列日期，如果当天商品未售出，则包含“否”，如果当天售出，则包含价格

---

我想创建一个线性回归模型，以便能够预测给定位置和质量的价格。我通读了scikit学习教程，但我真的很困惑我的输入应该是什么。有人能帮我吗？

您需要将数据转换为模型可以使用的数字表示形式。唯一有问题的特性是位置（分类变量），但我们可以用每个位置的一列以及0和1（所谓的OneHotEncoding）来表示它。让您开始学习的示例：

预处理 现在

X

将如下所示：

╔═════════════════╦═════════════════╦═════════╗
║ location=store1 ║ location=store2 ║ quality ║
╠═════════════════╬═════════════════╬═════════╣
║               1 ║               0 ║       8 ║
║               1 ║               0 ║       9 ║
║               0 ║               1 ║       2 ║
║               0 ║               1 ║       3 ║
╚═════════════════╩═════════════════╩═════════╝

模型训练 现在可以将此矩阵馈送到模型：

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X, y)

预测 新数据还需要使用相同的

dictvectorier

转换成数字形式。请注意，现在我们使用

.transform

而不是

.fit\u transform

：

>>> test_data = [{'location': 'store 2', 'quality': 3}]
>>> X_test = vec.transform(test_data)
>>> model.predict(X_test)
array([ 10.28])

---

顺便说一句，我将这个问题作为一个分类问题来处理（已售出/未售出），然后我将使用回归来确定已售出商品的价格。

位置是如何表示的？作为1-10“位置质量”图？作为lat/long值？位置由邮政编码表示模型训练中的“y”是什么，我如何将“价格”与特定位置/质量关联？

y=价格

，关联是通过索引进行的，即数据列表中的第一项对应于价格列表中的第一项，

data[2]>prices[2]

，依此类推。顺便说一句，如果位置是一个邮政编码，我会将其转换为字符串，以便dictvectorier将其作为一个分类变量而不是一个数字变量来处理。

>>> test_data = [{'location': 'store 2', 'quality': 3}]
>>> X_test = vec.transform(test_data)
>>> model.predict(X_test)
array([ 10.28])