如何避免回归模型中的浮点值

Question

我正在尝试使用线性，SGDRegressor，ridge，套索等回归模型来预测葡萄酒质量（范围从1到10）。

dataset：http：//archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv

独立值：挥发酸度、残糖、游离二氧化硫、总二氧化硫、醇依赖：质量

线性模型

regr = linear_model.LinearRegression(n_jobs=3)
regr.fit(x_train, y_train)
predicted = regr.predict(x_test)

线性回归的预测值array（[ 5.33560542， 5.47347404， 6.09337194， ...， 5.67566813， 5.43609198， 6.08189 ]）

预测值为浮点数，而不是 （1,2,3...10）我尝试使用 numpy 对预测值进行舍入

predicted = np.round(regr.predict(x_test))` but my accuracy gone down with this attempt.

SGDR出口器模型。

from sklearn import linear_model
np.random.seed(0)
clf = linear_model.SGDRegressor()
clf.fit(x_train, y_train)
redicted = np.floor(clf.predict(x_test))

SGDR出口器的预测输出值：

array([ -2.77685458e+12,   3.26826414e+12,   4.18655713e+11, ...,
     4.72375220e+12,  -7.08866307e+11,   3.95571514e+12])

在这里，我无法将输出值转换为整数。

有人可以告诉我使用这些回归模型预测葡萄酒质量的最佳方法吗？

Answer 1

您正在执行回归，因此输出本质上是连续的。

您应该注意的是，您预测葡萄酒质量的迷你项目不是分类问题。响应变量y，即葡萄酒质量，具有内在顺序，这意味着6分严格优于5分。它不是分类变量，其中不同的数字只代表不同的组，其中组是不可比的。