Python机器学习

Question

我正在尝试预测我的服务器负载，但我的准确率低于10%。我正在使用线性回归来预测数据，无论如何，有人能帮我吗？

ps，csv文件包含日期和时间，所以我将两者都转换为整数。不确定我做得对吗

这些是我的代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import mpl_toolkits
import imp
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing
data = pd.read_csv(".....\Machine_Learning_Serious\Server_Prediction\testing_server.csv")
describe = data.describe()
data_cleanup = {"Timestamp":{'AM': 0, 'PM': 1},
"Function":{'ccpl_db01': 0, 'ccpl_fin01': 1, 'ccpl_web01': 2},
"Type": {'% Disk Time': 0, 'CPU Load': 1, 'DiskFree%_C:': 2, 'DiskFree%_D:': 3, 'DiskFree%_E:': 4, 'FreeMemory': 5, 'IIS Current Connections': 6, 'Processor Queue Length': 7, 'SQL_Buffer cache hit ratio': 8, 'SQL_User Connections': 9}}
data.replace(data_cleanup,inplace = True)
final_data = data.head()
#print(final_data)
from sklearn.linear_model import LinearRegression
reg = LinearRegression()
labels = data['Data']
train1 = data.drop(['Data'], axis = 1)
from sklearn.model_selection import train_test_split
from sklearn import ensemble
x_train , x_test , y_train , y_test = train_test_split(train1, labels, test_size = 0.25, random_state = 2)
#clf = ensemble.GradientBoostingRegressor(n_estimators= 400 , max_depth = 5,min_samples_split = 2, learning_rate = 0.1,loss='ls')
fitting = reg.fit(x_train,y_train)
score = reg.score(x_test,y_test)

• 主要目标是预测正确的负载，但现在我离得太远了

Answer 1

也许先做一些探索性数据分析，看看你是否能找出目标变量和特性之间的模式？

从日期/时间变量中提取一些特征也很好，而不是将它们用作整数(如weekday_or_not、季节等(

您也可以尝试转换您的功能(log、sqrt(，看看分数是否有所提高。

我还建议你尝试一个简单的randomforest/xgboost模型来检查它与线性回归模型的表现