python中差运算,python求方差代码

　　尝试用我的随机森林代码测量MAPE(平均绝对百分比误差)的值梅伊.的值为7.5。当我试图计算教育哲学的多维评估教育哲学的多维评价时，它是输出：精确度：-inf %

　　这是我计算地图的代码。如何工作，或者为什么不计算值？在

　　^{pr2}$

　　测试标签:数组([ 45,47,98,87,47,72 ]

　　这些类型为var1 int64

　　var2 int64

　　var3浮动64

　　var4 int64

　　var6浮动64

　　var7 int64

　　var1 .float64

　　数据类型：对象

　　 420823370 183 2019-09-072233601336004 84 2019-09-0722336012336046 72 00336000:18

　　 420521201 183 2019-09-071733604336003 84 2019-09-0717336042336051 46 00336000332

　　 420219554 183 2019-09-071233604336002 88 2019-09-0712336042336039 72 0033600333

　　 419618820 183 2019-09-070233604336001 92 2019-0702336042336046 80 003360015

　　 419618819 183 2019-09-070233604336001 84 2019-0702336042336046 80 003360015

　　 417193989 183 2019-09-0510336042336052 82 2019-09-0510336042336023 0 00336000339

　　 416891691 183 2019-09-0505336042336051 78 2019-09-0505336042336049 72 003360002

　　 416587222 183 2019-09-0500336042336051 88 2019-09-0500336042336035 00336016

　　 416587223 183 2019-09-0500336042336051 82 2019-09-0500336042336035 99 00336000336

　　 416587224 183 2019-09-0500336042336051 80 2019-09-0500336042336035 99 00336000336

　　id : bigint.ts _ tuid : bigint .RSSI:数字. batl:真实. ts _ diff:区间

　　代码示例如下所示。

　　从战斗支援车加载数据模型=(

　　PD.read_CSV(来源. CSV)，parse_dates=[var3 ， var5]，date _ parser=lambdax:PD。迄今为止的时间。分配（

　　RSSI _ ts=lambda x : x.loc [ : var3].astype(int )/10 ** 9，

　　batl _ ts=lambdax : x.loc [ : var5].astype(int )/10 ** 9，

　　ts _ diff=lambdax:PD。到时间增量(x . loc[: ts _ diff ]).astype(int )/10 ** 9

　　)

　　)

　　# labelsarethevalueswantopredict

　　标签_ b=NP。数组(halti[ var 4 ])。

　　# removethelabelsfromthefeatures

　　#轴一指的是列

　　features _ r=haltidrop( var 4 ，axis=1)))))))))。

　　功能_ R2=列表(功能_ R .列))))))。

　　#转换为数组数组

　　Eatures _ r=NP .Array(Features_r))))))))))。

　　# usingskicit-learntosplitdata进入培训和测试集

　　froms kle arn。模型_选择导入训练_测试_分割

　　# splitthedataintotrainingandtestingsets

　　train_features，test_features，train_labels，test _ labels=train _ test _ split(features _ r，labels_b)

　　#导入我们正在使用的模型

　　从klearn.ensembleimportdfdmn/p #实例模型到1000个决策树

　　RF=randomforestregressor(n _ estimators=1000，random_state=42)。

　　#根据训练数据训练模型

　　射频适配(训练_特征，训练_标签);

　　#使用林的predictmethodonthetestdata

　　预测=RF.predict(测试功能)

　　#计算绝对误差

　　误差=ABS(预测-测试标签).

　　# printouthemeanasoluteerror(Mae))

　　print(平均值绝对值误差：四舍五入)NP。平均值)，2)，度.)

　　mape=100*(错误/测试标签))))))).

　　#计算和显示精确度

　　精确度=100 NP . mean(mape)

　　打印(精度： ，圆形(精度，2), % . )

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。