机器学习计划

Question

我编写了一个程序来找出数据之间的区别并给出输出。下面是代码：

import json
import numpy as np
print("This is a basic machine learning thing.")
baseData = {"collecting":True,"x":[],"y":[]}
while baseData["collecting"]:
  baseData["x"].append(float(input("X:")))
  baseData["y"].append(float(input("Y:")))
  if input("Do you want to keep feeding data? Press enter for yes, or type anything for no.") != "":
    baseData["collecting"] = False
if len(baseData["x"]) == len(baseData["y"]):
  xdata = baseData["x"]
  ydata = baseData["y"]
  nums = []
  for i in range(len(xdata)):
    nums.append(xdata[i] - ydata[i])
  median = np.median(nums)
else:
  print("malformed data")
def getY(x):
  pass
while True:
  data = input("X/Data:")
  print(int(data)-median)

要运行程序，给它X和Y数据，然后给它X数据，它将预测Y数据。

Answer 1

也许你应该检查输入的有效性，并再次询问输入是否错误？

while baseData["collecting"]:
  baseData["x"].append(float(input("X:")))

这永远是真的，所以就放弃这一部分吧：

if len(baseData["x"]) == len(baseData["y"]):

也许你该选择退出？

while True:
  data = input("X/Data:")
  print(int(data)-median)

一般说来，把这叫做“马奇尼学习”是一种很大的想象力，不是吗？也许你应该看看如何拟合数据。即基本线性模型拟合。

Answer 2

baseData应该被分成三个独立的变量(collecting、xdata、ydata)；没有理由让它成为一个小块。

nums = []
for i in range(len(xdata)):
  nums.append(xdata[i] - ydata[i])

可以编写得更简洁一些，如：

nums = []
for x, y in zip(xdata, ydata):
  nums.append(x - y)

甚至只是：

nums = [x - y for x, y in zip(xdata, ydata)]

您不需要只为媒体导入numpy；stdlib statistics.median应该工作得很好。