user16357289's questions

使用 5 折交叉验证，最后一次拆分时的回归准确度（确定系数 r^2）较低。

这是什么意思？在对整个数据集进行训练时，训练质量会下降吗？还是没关系？

值：0.29、0.05、0.36、0.18、-1.31
平均值：-0.08346647029663619 这些是工资上限输出列的值（那里的数据不如下限，因为它经常被省略) 在下限 r2 约为 48%，这非常适合我。

是否值得用这样的值进行训练，以便进一步使用不是在整个数据集上，而是在数据集的第 1 部分和第 3 部分上，准确率更高的地方？

数据集 - hh.ru 的职位空缺。目标是工资预测。

37,000条记录，29列：经验、关键技能、职位、雇主、上下限薪、专业、专业领域（这些字段用标签编码进行编码）；城市（基洛夫、莫斯科、圣彼得堡）、日程安排和就业类型以一种热编码方式编码。

数据未缩放，因为梯度提升对缩放不敏感。模型的复杂度应该足够了，在训练数据集上，准确率在 70-80% 左右。如果我理解正确，模型会被重新训练。

数据集链接：https ://drive.google.com/file/d/1QJZAYyXIXcrMgzet8SUC31MzV5dHODcv/view?usp=sharing

您需要从另一个脚本运行一个脚本。我这样做：

import get_pages.py
exec(get_pages.py)

get_pages.py 文件中的代码可以正常工作，但最后会出错

ModuleNotFoundError: No module named 'get_pages.py'; 'get_pages' is not a package

可能是什么问题呢？你还能怎么开始？

薪资预测。一个包含约 40,000 条记录（职位、工作经验、公司、日程安排等）的数据集。R^2 估计约为 35-40%。我使用来自 sklearn 和交叉验证的回归器。

gb_reg = GradientBoostingRegressor(random_state=0, **params)
gb = cross_validate(gb_reg, X, y, cv=5, scoring=('r2', 
                                             'neg_mean_absolute_error'),
                    return_train_score=True)

是否有可能以某种方式显示列的值，真实的和预测的，以便了解模型到底哪里出错了？

有一个数据集DataFrame。它有一个 key_skills 列。在 key_skills 中，每一行要么是一个空列表，要么是一个字典列表，格式如下：

 [{'name': 'PHP'}, {'name': '1С-Битрикс'}, {'name': 'Git'}, {'name': 'MySQL'}, {'name': 'CSS3'}, {'name': 'ООП'}, {'name': 'API'}, {'name': 'HTML5'}]

如何计算名称的每个元素？也就是说，获取值：PHP、1C-Bitrix、Git、MySQL 等。

这是我在列中获取字典值的方式，但这不适用于字典列表：

df['skills'] = df['key_skills'].map(lambda x: x.get("name", np.nan) if isinstance(x, dict) else np.nan)