1

我正在尝试使用 4 个独立参数进行多元线性回归，这些参数与标签为 0 的类的这些参数进行比较，以线性拟合模型。

from sklearn import linear_model
from pandas import DataFrame

covariates = DataFrame({'Param1':P1, 'Param2':P2, 'Param3':P3, 'Param4':P4}).iloc[cov_idx, :]
covariates = covariates.to_numpy(dtype=np.float32)

covCN = covariates[labels['Group'] == 0] # only controls as reference group to estimate effect of covariates
lm = linear_model.LinearRegression()

for k in range(images.shape[3]):
  for j in range(images.shape[2]):
    for i in range(images.shape[1]):
      if any(images[:, i, j, k, 0] != 0):
        tmpdat = images[labels['Group'] == 0, i, j, k, 0]
        lm.fit(covCN, tmpdat)
        pred = lm.predict(covariates) 
        images[:, i, j, k, 0] = images[:, i, j, k, 0] - pred

我想保存线性回归模型以预测具有相似参数的不同数据集。当我尝试使用以下代码保存模型时，我发现只有一个模型被保存。

import pickle
with open("model","wb") as f:
  pickle.dump(lm,f)
with open("model","rb") as f:
  model = pickle.load(f)

covariates = DataFrame({'Param1':A1, 'Param2':A2, 'Param3':A3, 'Param4':A4}).iloc[cov_idx, :]
covariates = covariates.to_numpy(dtype=np.float32)

for k in range(images.shape[3]):
  for j in range(images.shape[2]):
    for i in range(images.shape[1]):
      if any(images[:, i, j, k, 0] != 0):
        pred = model.predict(covariates) 
        images[:, i, j, k, 0] = images[:, i, j, k, 0] - pred

如何保存所有线性回归模型并使用它来预测不同的数据集？

4

0 回答 0