为什么 LinearRegression() 预测的结果是荒谬的？
Why the outcome of LinearRegression() prediction is absurd?
我正在尝试预测俄罗斯未来的人口。我有 1960 年到 2019 年间俄罗斯公民人数的数据。
我正在使用 scikit-learn 的 LinearRegression()，下面是代码。
事实就是这样，结果很荒唐！这是为什么？我找不到问题的根源。
我为模型提供了基本数据。指示它学习。似乎是一个简单的预测，但结果很糟糕:(。求助！
X = population['years']
y = population['Population']
model = LinearRegression()
model.fit(np.array(X).reshape(-1,1), y)
future = np.round(model.predict(np.array([2025]).reshape(-1,1)))
future == array([1.52775894e+08])
这个数字意味着 1.52775894 乘以 10^8 等于 152,775,894，略高于 1.52 亿人。好像有道理。
输出是科学记数法
如何阅读这些数字是：
1st_number'e' + 2nd_number = 1st_number * 10^2nd_number
python代码***
X= 1.52775894e+08
打印('%.08f' % X)
我正在尝试预测俄罗斯未来的人口。我有 1960 年到 2019 年间俄罗斯公民人数的数据。
我正在使用 scikit-learn 的 LinearRegression()，下面是代码。
事实就是这样，结果很荒唐！这是为什么？我找不到问题的根源。 我为模型提供了基本数据。指示它学习。似乎是一个简单的预测，但结果很糟糕:(。求助！
X = population['years']
y = population['Population']
model = LinearRegression()
model.fit(np.array(X).reshape(-1,1), y)
future = np.round(model.predict(np.array([2025]).reshape(-1,1)))
future == array([1.52775894e+08])
这个数字意味着 1.52775894 乘以 10^8 等于 152,775,894，略高于 1.52 亿人。好像有道理。
输出是科学记数法 如何阅读这些数字是： 1st_number'e' + 2nd_number = 1st_number * 10^2nd_number python代码*** X= 1.52775894e+08 打印('%.08f' % X)