10-кратная перекрестная проверка и получение RMSE

Я пытаюсь сравнить среднеквадратичную ошибку, которую я получил от выполнения множественной линейной регрессии по полному набору данных, с 10-кратной перекрестной проверкой с использованием модуля KFold в обучении scikit. Я нашел код, который пытался адаптировать, но не могу заставить его работать (и я подозреваю, что он вообще никогда не работал.

TIA за любую помощь!

Вот моя функция линейной регрессии

  def standRegres(xArr,yArr):
      xMat = np.mat(xArr); yMat = np.mat(yArr).T
      xTx = xMat.T*xMat
      if np.linalg.det(xTx) == 0.0:
          print("This matrix is singular, cannot do inverse")
          return
      ws = xTx.I * (xMat.T*yMat)
      return ws

  ##  I run it on my matrix ("comm_df") and my dependent var (comm_target)

  ##  Calculate RMSE (omitted some code)

  initial_regress_RMSE = np.sqrt(np.mean((yHat_array - comm_target_array)**2)

  ##  Now trying to get RMSE after training model through 10-fold cross validation

  from sklearn.model_selection import KFold
  from sklearn.linear_model import LinearRegression

  kf = KFold(n_splits=10)
  xval_err = 0
  for train, test in kf:
      linreg.fit(comm_df,comm_target)
      p = linreg.predict(comm_df)
      e = p-comm_target
      xval_err += np.sqrt(np.dot(e,e)/len(comm_df))

  rmse_10cv = xval_err/10

Я получаю сообщение об ошибке о том, что объект kfold не является итерируемым


python scikit-learn linear-regression mse k-fold
person immaprogrammingnoob    schedule 16.10.2019    source источник

Ответы (2)


arrow_upward
0
arrow_downward

В этом коде нужно исправить несколько вещей.

  • Вы не можете перебирать kf. Вы можете перебирать только kf.split(comm_df)

  • Вам нужно как-то использовать сплит-тест поезда, который предоставляет KFold. Вы не используете их в своем коде! Цель KFold — подогнать вашу регрессию к наблюдениям поезда и оценить регрессию (т. е. вычислить RMSE в вашем случае) по тестовым наблюдениям.

Имея это в виду, вот как я бы исправил ваш код (здесь предполагается, что ваши данные находятся в массивах numpy, но вы можете легко переключиться на pandas)

kf = KFold(n_splits=10)
xval_err = 0
for train, test in kf.split(comm_df):
    linreg.fit(comm_df[train],comm_target[train])
    p = linreg.predict(comm_df[test])
    e = p-comm_label[test]
    xval_err += np.sqrt(np.dot(e,e)/len(comm_target[test]))

rmse_10cv = xval_err/10
person MaximeKan    schedule 16.10.2019

arrow_upward
0
arrow_downward

Таким образом, код, который вы предоставили, все еще вызывал ошибку. Я отказался от того, что у меня было выше, в пользу следующего, которое работает:

## KFold cross-validation

from sklearn.model_selection import KFold
from sklearn.linear_model import LinearRegression

## Define variables for the for loop

kf = KFold(n_splits=10)
RMSE_sum=0
RMSE_length=10
X = np.array(comm_df)
y = np.array(comm_target)

for loop_number, (train, test) in enumerate(kf.split(X)):

    ## Get Training Matrix and Vector

    training_X_array = X[train]
    training_y_array = y[train].reshape(-1, 1)

    ## Get Testing Matrix Values

    X_test_array = X[test]
    y_actual_values = y[test]

    ## Fit the Linear Regression Model

    lr_model = LinearRegression().fit(training_X_array, training_y_array)

    ## Compute the predictions for the test data

    prediction = lr_model.predict(X_test_array)      
    crime_probabilites = np.array(prediction)   

    ## Calculate the RMSE

    RMSE_cross_fold = RMSEcalc(crime_probabilites, y_actual_values)

    ## Add each RMSE_cross_fold value to the sum

    RMSE_sum=RMSE_cross_fold+RMSE_sum

## Calculate the average and print    

RMSE_cross_fold_avg=RMSE_sum/RMSE_length

print('The Mean RMSE across all folds is',RMSE_cross_fold_avg)
person immaprogrammingnoob    schedule 27.10.2019