logo
Loading...

為何最後要取exp? - Cupoy

在Day_022_Introduction_of_Feature Engineering中預測出結果...

ml100-3-d22

為何最後要取exp?

2019/10/01 03:55 PM
機器學習新手論壇
陳明宣
觀看數:0
回答數:1
收藏數:0
ml100-3-d22

在Day_022_Introduction_of_Feature Engineering中預測出結果後,為何還要做pred = np.expm1(pred)

做這個動作的目的是什麼?

上下文code:

from sklearn.linear_model import LinearRegression

estimator = LinearRegression()

estimator.fit(train_X, train_Y)

pred = estimator.predict(test_X)

# 將輸出結果 pred 與前面留下的 ID(ids) 合併, 輸出成檔案

# 可以下載並點開 house_baseline.csv 查看結果, 以便了解預測結果的輸出格式

# 本範例所與作業所輸出的 csv 檔, 均可用於本題的 Kaggle 答案上傳, 可以試著上傳來熟悉 Kaggle 的介面操作

pred = np.expm1(pred)

sub = pd.DataFrame({'Id': ids, 'SalePrice': pred})

sub

#sub.to_csv('house_baseline.csv', index=False)