from sklearn import linear_model
import pandas as pd
# assume the input dataset you have above is read into a pandas dataframe:
data = pd.read_csv('inputdata.csv')
X = data[['Value1','Value2','Value3','Value4','Value5']]
y = data['Price']
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit(X, y)
# now assuming some new set of data with the same columns as your training data
X_test = pd.read_csv('inputdata.csv')[['Value1','Value2','Value3','Value4','Value5']]
# can generate predictions with
predictions = regr.predict(X_test)
你要找的是解决“回归”问题的方法。在Python和Excel中有很多方法可以做到这一点。如果你在谷歌上搜索“Python回归机器学习”,你会发现很多关于如何设置数据的帮助。你知道吗
对于Python,我将尝试使用scikit学习模块。示例代码可能如下所示:
从上面可以看出,用来建立某种模型的代码非常小,这种模型可以预测一个新的值。然而,这个模型可能做得不太好。理解如何构建一个强大的模型超出了这个问题的范围,但是在线上有很多资源可以帮助您做到这一点,for example。你知道吗
相关问题 更多 >
编程相关推荐