Python 利用位置数据进行预测
我试图开发一部分代码，帮助我根据银行内特定城市分行现有资源的现有生产率（过去12个月/12个月开立的账户数量）预测银行新资源的生产率。例如，如果我想在Agra雇用新资源，该模型可以为我提供Agra分行的现有生产率 下面是我的python笔记本的链接。 我尝试了KNN模型来预测数据，但是模型的精度很低 根据分支机构名称或其位置坐标，是否有更好的方法来预测数据Python 利用位置数据进行预测,python,machine-learning,scikit-learn,knn,Python,Machine Learning,Scikit Learn,Knn,我试图开发一部分代码，帮助我根据银行内特定城市分行现有资源的现有生产率（过去12个月/12个月开立的账户数量）预测银行新资源的生产率。例如，如果我想在Agra雇用新资源，该模型可以为我提供Agra分行的现有生产率 下面是我的python笔记本的链接。 我尝试了KNN模型来预测数据，但是模型的精度很低 根据分支机构名称或其位置坐标，是否有更好的方法来预测数据 我使用的是Python3.6笔记本您试图预测数值输出，因此您的问题是回归，而不是分类问题。分类器无法完成这项工作，准确度也不是正确的性能度
我使用的是Python3.6笔记本您试图预测数值输出，因此您的问题是回归，而不是分类问题。分类器无法完成这项工作，准确度也不是正确的性能度量 您需要使用适用于回归的性能指标-请参阅；假设要使用平均绝对误差（MAE），则应将训练循环更改为：
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_absolute_error
#Train Model and Predict
neigh = KNeighborsRegressor(n_neighbors = n).fit(X_train,y_train)
yhat=neigh.predict(X_test)
err[n-1] = mean_absolute_error(y_test, yhat)
请记住，MAE是一种错误度量，即越低越好，并且您以类似于您的
平均值_accerr