Как найти вероятности регрессии в усиленном дереве? ⇐ Python
-
Anonymous
Как найти вероятности регрессии в усиленном дереве?
Я хотел бы написать программу, которая помимо прогнозов также возвращала бы процент вероятности для каждого прогноза. Как это сделать? Ниже приведен код программы, в которую хотелось бы добавить описанный выше функционал:
импортировать numpy как np импортировать панд как pd из sklearn.model_selection импорт train_test_split из sklearn.ensemble импортировать AdaBoostRegressor импортировать график как plt данные = pd.DataFrame( { "дата": np.array(list(range(2,722))), "sales_index": np.array(list(range(2722))) }, index = pd.date_range("20130101", period=720)) data['log_sales_index'] = np.log(data.sales_index) для меня в диапазоне (3): data[f'sales_index_lag_{i+1}'] = data.sales_index.shift(i+1) data.dropna(inplace=True) data[f'log_sales_index_lag_{i+1}'] = np.log(data[ f'sales_index_lag_{i+1}']) data[f'log_difference_{i+1}'] = data.log_sales_index - data[f'log_sales_index_lag_{i+1}'] X, Y = данные[['log_difference_2', log_difference_3']], данные['log_difference_1'] X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0,2, shuffle=False, случайное_состояние=0) mdl_adaboost = AdaBoostRegressor (n_estimators = 500, Learning_rate = 0,05) mdl_adaboost.fit(X_train, Y_train) пред = mdl_adaboost.predict(X_test) test_size = X_test.shape[0] plt.plot(list(range(test_size)), np.exp(data.tail(test_size).log_sales_index_lag_1 + pred), label='predicted', color='red') plt.plot(list(range(test_size)), data.tail(test_size).sales_index, label='real', color='blue') plt.legend(loc='лучший') plt.title('Предсказанный или реальный') Если кто-то может сделать это иначе, чем с помощью adaboost, меня тоже заинтересует такое решение.
После ввода команды в Google Colab: !pip install macest я получаю эту ошибку
Сбор мацеста Загрузка macest-1.0.0-py3-none-any.whl (31 КБ) Сбор matplotlib==3.1.1 (из macest) Загрузка matplotlib-3.1.1.tar.gz (37,8 МБ) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 37 .8/37,8 МБ 20,1 МБ/с и 0 :00:00 Подготовка метаданных (setup.py)... готово Сбор numpy==1.19.0 (из macest) Загрузка numpy-1.19.0.zip (7,3 МБ) 7. 3/7,3 МБ 43,8 МБ/с и 0 :00:00 Установка зависимостей сборки... готово Получение требований для сборки колеса... готово ошибка: подпроцесс завершен с ошибкой × Подготовка метаданных (pyproject.toml) не завершилась успешно. │ код выхода: 1 ╰─> См. вывод выше. Примечание. Эта ошибка возникает в подпроцессе и, скорее всего, не является проблемой pip. Подготовка метаданных (pyproject.toml)... ошибка ошибка: не удалось создать метаданные × Обнаружена ошибка при создании метаданных пакета. ╰─> См. вывод выше. Примечание. Это проблема упомянутого выше пакета, а не pip. Подсказка: подробности см. выше. В свою очередь, когда я ввожу в Google colab команду: pip install macesti, я получаю такую ошибку:
ОШИБКА: не удалось найти версию, удовлетворяющую требованию macesti (из версий: нет) ОШИБКА: для мацести не найдено подходящего дистрибутива.
Я хотел бы написать программу, которая помимо прогнозов также возвращала бы процент вероятности для каждого прогноза. Как это сделать? Ниже приведен код программы, в которую хотелось бы добавить описанный выше функционал:
импортировать numpy как np импортировать панд как pd из sklearn.model_selection импорт train_test_split из sklearn.ensemble импортировать AdaBoostRegressor импортировать график как plt данные = pd.DataFrame( { "дата": np.array(list(range(2,722))), "sales_index": np.array(list(range(2722))) }, index = pd.date_range("20130101", period=720)) data['log_sales_index'] = np.log(data.sales_index) для меня в диапазоне (3): data[f'sales_index_lag_{i+1}'] = data.sales_index.shift(i+1) data.dropna(inplace=True) data[f'log_sales_index_lag_{i+1}'] = np.log(data[ f'sales_index_lag_{i+1}']) data[f'log_difference_{i+1}'] = data.log_sales_index - data[f'log_sales_index_lag_{i+1}'] X, Y = данные[['log_difference_2', log_difference_3']], данные['log_difference_1'] X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0,2, shuffle=False, случайное_состояние=0) mdl_adaboost = AdaBoostRegressor (n_estimators = 500, Learning_rate = 0,05) mdl_adaboost.fit(X_train, Y_train) пред = mdl_adaboost.predict(X_test) test_size = X_test.shape[0] plt.plot(list(range(test_size)), np.exp(data.tail(test_size).log_sales_index_lag_1 + pred), label='predicted', color='red') plt.plot(list(range(test_size)), data.tail(test_size).sales_index, label='real', color='blue') plt.legend(loc='лучший') plt.title('Предсказанный или реальный') Если кто-то может сделать это иначе, чем с помощью adaboost, меня тоже заинтересует такое решение.
После ввода команды в Google Colab: !pip install macest я получаю эту ошибку
Сбор мацеста Загрузка macest-1.0.0-py3-none-any.whl (31 КБ) Сбор matplotlib==3.1.1 (из macest) Загрузка matplotlib-3.1.1.tar.gz (37,8 МБ) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 37 .8/37,8 МБ 20,1 МБ/с и 0 :00:00 Подготовка метаданных (setup.py)... готово Сбор numpy==1.19.0 (из macest) Загрузка numpy-1.19.0.zip (7,3 МБ) 7. 3/7,3 МБ 43,8 МБ/с и 0 :00:00 Установка зависимостей сборки... готово Получение требований для сборки колеса... готово ошибка: подпроцесс завершен с ошибкой × Подготовка метаданных (pyproject.toml) не завершилась успешно. │ код выхода: 1 ╰─> См. вывод выше. Примечание. Эта ошибка возникает в подпроцессе и, скорее всего, не является проблемой pip. Подготовка метаданных (pyproject.toml)... ошибка ошибка: не удалось создать метаданные × Обнаружена ошибка при создании метаданных пакета. ╰─> См. вывод выше. Примечание. Это проблема упомянутого выше пакета, а не pip. Подсказка: подробности см. выше. В свою очередь, когда я ввожу в Google colab команду: pip install macesti, я получаю такую ошибку:
ОШИБКА: не удалось найти версию, удовлетворяющую требованию macesti (из версий: нет) ОШИБКА: для мацести не найдено подходящего дистрибутива.
