Примечание
Перейти к концу для загрузки полного примера кода. Или запустить этот пример в вашем браузере с помощью JupyterLite или Binder
График прогнозов регрессии отдельных моделей и голосования
Голосующий регрессор — это мета-эстиматор ансамбля, который подгоняет несколько базовых регрессоров к всему набору данных. Затем он усредняет индивидуальные прогнозы, чтобы сформировать окончательный прогноз. Мы будем использовать три разных регрессора для прогнозирования данных: GradientBoostingRegressor, RandomForestRegressor и LinearRegression). Затем указанные выше 3 регрессора будут использованы для VotingRegressor.
В заключение, мы отобразим прогнозы, сделанные всеми моделями, для сравнения.
Мы будем работать с набором данных по диабету, который содержит 10 признаков, собранных от когорты пациентов с диабетом. Целевой показатель — количественная оценка прогрессирования заболевания через год после базового уровня.
# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause
import matplotlib.pyplot as plt
from sklearn.datasets import load_diabetes
from sklearn.ensemble import (
GradientBoostingRegressor,
RandomForestRegressor,
VotingRegressor,
)
from sklearn.linear_model import LinearRegression
Обучение классификаторов
Сначала мы загрузим набор данных по диабету и инициализируем регрессор усиления градиента, регрессор случайного леса и линейную регрессию. Далее мы воспользуемся 3 регрессорами для построения голосового регрессора:
X, y = load_diabetes(return_X_y=True)
# Train classifiers
reg1 = GradientBoostingRegressor(random_state=1)
reg2 = RandomForestRegressor(random_state=1)
reg3 = LinearRegression()
reg1.fit(X, y)
reg2.fit(X, y)
reg3.fit(X, y)
ereg = VotingRegressor([("gb", reg1), ("rf", reg2), ("lr", reg3)])
ereg.fit(X, y)
Создание прогнозов
Теперь мы воспользуемся каждым из регрессоров для создания первых 20 прогнозов.
xt = X[:20] pred1 = reg1.predict(xt) pred2 = reg2.predict(xt) pred3 = reg3.predict(xt) pred4 = ereg.predict(xt)
График результатов
Наконец, мы визуализируем 20 прогнозов. Красные звёзды показывают средний прогноз, сделанный VotingRegressor.
plt.figure()
plt.plot(pred1, "gd", label="GradientBoostingRegressor")
plt.plot(pred2, "b^", label="RandomForestRegressor")
plt.plot(pred3, "ys", label="LinearRegression")
plt.plot(pred4, "r*", ms=10, label="VotingRegressor")
plt.tick_params(axis="x", which="both", bottom=False, top=False, labelbottom=False)
plt.ylabel("predicted")
plt.xlabel("training samples")
plt.legend(loc="best")
plt.title("Regressor predictions and their average")
plt.show()
Общее время выполнения скрипта: (0 минут 1.013 секунды)
Связанные примеры
© 2007–2025 The scikit-learn developers
Licensed under the 3-clause BSD License.
https://scikit-learn.org/1.6/auto_examples/ensemble/plot_voting_regressor.html
