Как я могу проверить значения функций для прогнозируемого значения в sklearn

Я делаю двоичную классификацию, прогнозируемые значения равны 0 и 1, есть ли способ получить значения функций для значения прогноза.

например: у меня есть 2 функции «Возраст» и «Зарплата», а целевое значение «покупается». Возраст Зарплата Покупка 19 19000 0 35 20000 0 27 30000 1 41 29000 1 65 40000 1

Итак, я хочу знать для каждого результата тестового примера (0 или 1), каковы были значения характеристик (возраст и зарплата).

import pandas as pd

df = pd.read_csv('data.csv')
x = df.iloc[:,[0,1]]
y = df.iloc[:,2]


from sklearn.cross_validation import train_test_split

x_train,x_test,y_train,y_test =train_test_split(x,y,test_size=0.25,random_state=0)


from sklearn.linear_model import LogisticRegression
regressor = LogisticRegression()
regressor.fit(x_train,y_train)

y_pred=regressor.predict(x_test)

machine-learning sklearn-pandas logistic-regression
person H.Banik    schedule 18.02.2018    source источник
comment
Когда вы говорите, что хотите знать, что вы имеете в виду? x_test имеет все ваши функции с тем же индексом, что и их предсказания в y_pred. Вы ищете способ объединить их в единую структуру данных? Создать визуализацию их отношений?   -  person morsecodist    schedule 18.02.2018
comment
Вы можете посмотреть здесь: scikit-learn.org/stable /modules/generated/, возможно, вы хотите что-то сделать с regressor.coef_ или regressor.intercept_   -  person joaoavf    schedule 19.02.2018
comment
да, я хочу знать, как совместить x_test и y_pred, чтобы конечный пользователь мог четко это визуализировать @morsecodist   -  person H.Banik    schedule 19.02.2018

Ответы (1)


arrow_upward
1
arrow_downward

На основании вашего разъяснения, что вы просто хотите поместить их в одну и ту же структуру данных. Вы можете объединить два фрейма данных с пандами. Но вам нужно поместить прогнозы в кадр данных с соответствующим индексом. Вот код:

y_pred_df = pd.DataFrame(y_pred, index=x_test.index)
pd.concat([x_test, y_pred_df], axis=1)
person morsecodist    schedule 19.02.2018