Stan Asked:2024-03-27 05:55:01 +0000 UTC2024-03-27 05:55:01 +0000 UTC 2024-03-27 05:55:01 +0000 UTC 使用KNN分类算法进行天气预报 772 预测问题是一个相当耗费人力的问题，可以通过多种方式解决。我决定利用机器学习技术并在我的代码中使用 K 最近邻算法 。 训练模型后，其准确率约为 87%（不错）。在模型测试期间，我进行了标准化并输入了天气所依赖的数据。如果我理解正确的话，我应该得到天气的结果，但是我得到了array(2023)。我不明白出了什么问题。 请告诉我，如果可能的话，请批评问题本身解决方案的实施。 我从这里获取了天气数据。 машинное-обучение 1 个回答 Voted Best Answer CrazyElf 2024-03-27T13:58:03Z2024-03-27T13:58:03Z X = df.iloc[:,:-1].values Y = df.iloc[:,-1:].values 如果我理解正确的话，我应该得到天气的结果，但是我得到了array(2023) 数据框中的最后一列是年份year。使用此代码，您X可以丢弃最后一列，但相反Y，只获取这一列。当然，作为预测，您会收到与预测数据相关的年份。2023年就是这一年，没错。 最好像这样获取X和Y预测特定的数据框列： X = df.drop(columns='conditions').values Y = df['conditions'].values 现在您正在构建一个模型来预测天气状况conditions。以数字形式。为了获得“人类可读”形式的结果，您需要通过 解密结果数字，或者在处理数据时LabelEncoder根本不使用它。如果我们谈论目标变量，这LabelEncoder对于分类器来说不是必要的操作。KNN
数据框中的最后一列是年份
year。使用此代码，您X可以丢弃最后一列，但相反Y，只获取这一列。当然，作为预测，您会收到与预测数据相关的年份。2023年就是这一年，没错。最好像这样获取
X和Y预测特定的数据框列：现在您正在构建一个模型来预测天气状况
conditions。以数字形式。为了获得“人类可读”形式的结果，您需要通过 解密结果数字，或者在处理数据时LabelEncoder根本不使用它。如果我们谈论目标变量，这LabelEncoder对于分类器来说不是必要的操作。KNN