SciKit Learn - SGDClassifier 精度不佳

Question

我正在尝试使用 SGDClassifier 对一些数据进行建模，但由于某种原因，我得到了可怕的准确性。我对此很陌生，所以我不太明白为什么。

这是我的代码：

from sklearn.preprocessing import StandardScaler
import numpy as np
from sklearn.linear_model import SGDClassifier
import numpy as np
from sklearn import metrics as ms

msk = np.random.rand(len(beers)) < 0.8

train = beers[msk]
test = beers[~msk]

X = train [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y = train[['Quantity']]
y = y.as_matrix().ravel()

X_test = test [['Price', 'Net price', 'Purchase price','Hour','Product_id','product_group2']]
y_test = test[['Quantity']]
y_test = y_test.as_matrix().ravel()

scaler = StandardScaler()
scaler.fit(X)  
X = scaler.transform(X)
X_test = scaler.transform(X_test) 

clf = SGDClassifier(loss="hinge", alpha=0.01, n_iter=1000, fit_intercept=True)
clf.fit(X, y)    

predictions = clf.predict(X_test)
print "Accuracy:", ms.accuracy_score(y_test,predictions)

打印的准确度在 0.38 左右，真的很差。我的数据如下所示：

    Product_id/Date/product_group1/Price/Net price/Purchase price/Hour/Quantity/product_group2/KPI
0   107 12/31/2012  10  300 236 220 10  1   108 16

我有 200 000+ 行数据。

我还应该做什么？数据是按比例缩放的，所以这应该不是问题，并且模型也应该在 1000 次迭代后收敛。 谢谢！

Answer 1

您可以使用 GridSearchCV 来优化您的 SGD 分类器的参数。 还可以通过 sklearn.feature_selection 获得最佳功能。