TPOT自动选择机器学习模型和参数--回归示例

本文主要是介绍TPOT自动选择机器学习模型和参数--回归示例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

前两篇博客写了在anacoda下安装tpot库和使用tpot做分类的例子，这篇是写做回归的例子

anacoda下安装tpot库

使用TPOT自动选择scikit-learn机器学习模型和参数--分类示例

环境：win10+pycharm+anacoda

数据集：sklearn自带的波士顿房价数据集

代码：

'''回归，预测波士顿房价'''from tpot import TPOTRegressorimport pandas as pdimport numpy as npfrom sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splithousing = load_boston()X_train, X_test, y_train, y_test = train_test_split(housing.data, housing.target)# ,train_size=0.75, test_size=0.25)tpot = TPOTRegressor(generations=20, verbosity=2) #迭代20次tpot.fit(X_train, y_train)

这篇关于TPOT自动选择机器学习模型和参数--回归示例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---