如何在没有类的情况下使用多目标回归

问题描述

我想预测一个由两个属性组成的数据集，示例如下：

414049364,21773560
414049656,21773926
414049938,21774287
414050204,21774638
414050453,21774975
414050682,21775296
414050895,21775597
414051093,21775874
414051278,21776125
414051453,21776344
414051620,21776530
414051780,21776678
414051935,21776785
414052089,21776849
414052242,21776865

以及我从该网站创建的代码 https://machinelearningmastery.com/multi-output-regression-models-with-python/：

 import pandas as pd
    # linear regression for multIoUtput regression
    from sklearn.datasets import make_regression
    from sklearn.linear_model import LinearRegression
    
    X=pd.read_csv("data.csv")
    
    # define model
    model = LinearRegression()
    # fit model
    
    
    model.fit(X,y)
    # make a prediction
    row = [0.21947749,0.32948997,0.81560036,0.440956,-0.0606303,-0.29257894,-0.2820059,-0.00290545,0.96402263,0.04992249]
    yhat = model.predict([row])
    # summarize prediction
    print(yhat[0])

这里，我有一些疑问：

• 在我的情况下 y 是什么？我的数据 X 是纬度和经度。
• 一行有什么用？

我有使用单个属性进行预测的经验，但是，我不知道如何处理。拜托，我需要一些帮助。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）