使用混和泛化之後預測出來的結果為什麼要再使用np.expm1()才會是真正的結果? - Cupoy

2020/04/20 下午 09:37

機器學習共學討論版

Jeff Huang

觀看數：25

回答數：2

收藏數：0

想請問範例49最後使用混和泛化之後預測出來的結果為什麼要再使用np.expm1()才會是真正的結果

pd.DataFrame({'Id': ids, 'SalePrice': np.expm1(blending_pred)})

因為前面的步驟我沒看到哪裡有先壓縮過資料如: np.log1p()

謝謝!

回答列表

• 2020/04/21 下午 08:40
  李子明
  贊同數：1
  不贊同數：0
  留言數：0

  因為上面的：

  train_Y = np.log1p(df_train['SalePrice'])

  
  

  所以後續訓練出來的模型所推論出來的解都是對數這個等階的解：

  linear.fit(train_X, train_Y)

  gdbt.fit(train_X, train_Y)

  rf.fit(train_X, train_Y)

  
  

  那再接下來的blending_pred又是混合這三種的解

  blending_pred = linear_pred*0.30 + gdbt_pred*0.67 + rf_pred*0.03

  
  

  所以blending_pred也是對數這個等階的解，因此需要使用反算回指數等階的解。

• 2020/04/25 下午 11:01
  張維元 (WeiYuan)
  贊同數：0
  不贊同數：0
  留言數：0

  嗨，Jeff Huang

  
  

  如同子明說的，最主要原因是因為上面有使用到 np.log1p，所以必須轉回來。

  
  

  如果這個回答對你有幫助請主動點選「有幫助」的按鈕，也可以追蹤我的GITHUB帳號。若還有問題的話，也歡迎繼續再追問或者把你理解的部分整理上來，我都會提供你 Review 和 Feedback 😃😃😃