这里我把自变量转换为,因变量转换为,
mask = dtd['value_eur'] > 0 # Create a boolean mask for non-zero values
dtd['value_eur'] = np.log(dtk.loc[mask, 'value_eur']) # Apply log only to non-zero values
mass = dtd['wage_eur'] > 0 # Create a boolean mask for non-zero values
dtd['wage_eur'] = np.log(dtk.loc[mask, 'wage_eur']) # Apply log only to non-zero values
字符串
这是用于预测的X和y值
X = dtd.drop(['value_eur' ], axis=1)
y = dtd['value_eur']
型
这是我的模特试装
regressor =gs.best_estimator_
regressor.fit(X_train, y_train)
regs= regressor.predict(X_test)
mae3 = mean_absolute_error(y_test, regs)
print(f"Mean Absolute Error: {mae3}")
型
这里我打印了我的值
results1 = pd.DataFrame({ ' grids predicted values':(regs), ' true values':y_test})
results1.head()
grids predicted values true values
60199 15.665110 15.761421
23743 12.557003 12.765688
58428 15.386219 15.424948
34538 15.588066 15.226498
108229 14.202580 14.457364
的字符串
如何使上述值显示原始数据集中的原始值
np.exp(y_test)
型
1条答案
按热度按时间gstyhher1#
你可以使用np.exp()函数来反转对数变换。如果这有效或者你需要进一步的帮助,请告诉我。
字符串