blocks|key|2461226|text|不完全是滑雪，但你试过xgboost吗？|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2461227|xgboost中的XGBRegressor接受许多不同的目标函数，包括用于计数数据的泊松count:poisson。|offset|length|style|CODE|2461228|它还可以很好地玩滑板，所以可以用于网格搜索，管道等。|entityMap|0|LINK|mutability|MUTABLE|url|https://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn|1|https://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parameters^0|0|18|D|9|C|0|S|4|1|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|T|8|@$D|U|E|V|F|G]]|9|@$D|W|E|X|1|Y]|$D|Z|E|10|1|11]]|A|$]]|$1|H|3|I|5|6|7|12|8|@]|9|@]|A|$]]]|J|$K|$5|L|M|N|A|$O|P]]|Q|$5|L|M|N|A|$O|R]]]]

Not quite sklearn but have you tried xgboost?

The <a href="https://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.sklearn" rel="noreferrer">XGBRegressor</a> in xgboost accepts many different <a href="https://xgboost.readthedocs.io/en/latest/parameter.html#learning-task-parameters" rel="noreferrer">objective functions</a> including poisson <code>count:poisson</code> for count data.

It also plays nicely with sklearn so can be used with grid search, pipelines etc.

blocks|key|2461145|text|statsmodels有你的掩护。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2461146|在statsmodels中，Poisson回归的例子并不多，但是如果您对GLMs很满意，那么statsmodels有一个GLM+API，它允许您指定任何单参数分布，包括泊松。|entityMap|0|LINK|mutability|MUTABLE|url|http://www.statsmodels.org/dev/glm.html^0|0|B|0|1O|7|0^^$0|@$1|2|3|4|5|6|7|O|8|@$9|P|A|Q|B|C]]|D|@]|E|$]]|$1|F|3|G|5|6|7|R|8|@]|D|@$9|S|A|T|1|U]]|E|$]]]|H|$I|$5|J|K|L|E|$M|N]]]]

<code>statsmodels</code> has you covered.

There aren't a lot of great examples of Poisson regression in the statsmodels API, but if you're happy with GLMs, statsmodels has a <a href="http://www.statsmodels.org/dev/glm.html" rel="noreferrer">GLM API</a> which lets you specify any single-parameter distribution, including Poisson.

blocks|key|1317576|text|学习版本0.23现在有了PoissonRegressor：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1317577|https://scikit-learn.org/0.23/auto_实例/发布_亮点/情节_发布_亮点_0_23_0.html#generalized-linear-models-and-poisson-loss-for-gradient-boosting|entityMap|0|LINK|mutability|MUTABLE|url|https://scikit-learn.org/0.23/modules/generated/sklearn.linear_model.PoissonRegressor.html#sklearn.linear_model.PoissonRegressor|1|https://scikit-learn.org/0.23/auto_examples/release_highlights/plot_release_highlights_0_23_0.html#generalized-linear-models-and-poisson-loss-for-gradient-boosting^0|C|G|C|G|0|0|0|3L|1^^$0|@$1|2|3|4|5|6|7|Q|8|@$9|R|A|S|B|C]]|D|@$9|T|A|U|1|V]]|E|$]]|$1|F|3|G|5|6|7|W|8|@]|D|@$9|X|A|Y|1|Z]]|E|$]]]|H|$I|$5|J|K|L|E|$M|N]]|O|$5|J|K|L|E|$M|P]]]]

Scikit-learn v0.23 now has <a href="https://scikit-learn.org/0.23/modules/generated/sklearn.linear_model.PoissonRegressor.html#sklearn.linear_model.PoissonRegressor" rel="nofollow noreferrer"><code>PoissonRegressor</code></a>:

<a href="https://scikit-learn.org/0.23/auto_examples/release_highlights/plot_release_highlights_0_23_0.html#generalized-linear-models-and-poisson-loss-for-gradient-boosting" rel="nofollow noreferrer">https://scikit-learn.org/0.23/auto_examples/release_highlights/plot_release_highlights_0_23_0.html#generalized-linear-models-and-poisson-loss-for-gradient-boosting</a>

blocks|key|1317600|text|您可以使用PoissonRegressor，甚至RandomForestRegressor来学习滑雪。我认为您也可以使用普通的其他回归器，这不是问题，而是基于您的评估指标。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|entityMap^0^^$0|@$1|2|3|4|5|6|7|C|8|@]|9|@]|A|$]]]|B|$]]

You can use PoissonRegressor or even RandomForestRegressor in sklearn.
I think you can use common other regressor too, it is not problem, it is base on your evaluation metrics.

I want to predict count data. In my understanding both standard classification and regression are not well suited for this. A poisson or binomial regression algorithm seems to do the trick. 

I am used to doing most of my ML tasks in sklearn. But on this topic I could not find an implementation. Are there any suitable options within the python universe for this?

Poisson regression options in python

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我想预测计数数据。根据我的理解，标准分类和回归都不太适合这一点。泊松或二项式回归算法似乎能做到这一点。我习惯于做我的大多数ML任务，在滑雪。但在这个问题上，我找不到一个实现。在python宇宙中有什么合适的选择吗？

问python中的Poisson回归选项
EN

回答 4

Data Science用户

Data Science用户

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问python中的Poisson回归选项EN

回答 4

Data Science用户

Data Science用户

Data Science用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问python中的Poisson回归选项
EN