数据挖掘：模型选择——监督学习（回归）

数据挖掘：模型选择——监督学习（回归）

在上一篇文章数据挖掘：模型选择——监督学习（分类）中介绍了分类相关的算法原理，这次来介绍回归的一些算法。回归主要是预测连续型数据的目标值。
本文来自：机器学习菜菜课堂

一、线性回归

简单介绍：
简答的线性回归如y=ax+b，这是只有一个特征时的情况，而对于多个特征，就变成了多元线性回归。公式如下：

这个θ为对应自变量的权重值，越大，证明该特征对结果的影响越重要。由此可以对特征进行筛选。而我们要求得就是这个参数。

工作原理：

一般遇到机器学习的问题，首先都是先定义损失函数。通过对损失函数的优化来求解参数。
这里用真实值和预测值的残差平方和作为要优化的损失函数，也就是θ取何值时，能让它最小。最小二乘法

这里有两种方法进行求解，利用矩阵求解，梯度下降法。
利用矩阵求解：


梯度下降法：

主要参数：
没有参数可以调。所以这个模型无法通过调整参数来优化模型，它只依靠数据。另外，LR需要做归一化/标准化。

算法特点：
优点：结果易于理解，计算上不复杂。
缺点：对非线性的数据拟合不好。易过拟合，因为寻求的是最优解。
因为线性回归假设特征和结果之间满足线性关系。
sklearn代码：

from sklearn.linear_model import LinearRegression as LR

reg = LR().fit(Xtrain,Ytrain)
yhat = reg.predict(Xtest)

二、岭回归和Lasso回归

岭回归:
简单介绍：
在多元线性的求解推导中，存在逆矩阵，而如果数据的逆矩阵不存在（数据间存在多重共线性，完全线性相关或高度线性相关）的话，那么模型的预测效果并不会很好。会求出很大的θ造成模型有偏差，或者不可用。

多重共线性可用VIF（方差膨胀因子来衡量）。另外，为了解决线性回归的多重共线性问题，可用岭回归和Lasso回归。

工作原理：
岭回归和Lasso回归都是在线性回归的损失函数上加上正则项。岭回归加的是系数的L2范数，Lasso加的是系数的L1范数。
岭回归：
岭回归的损失函数：


在加上a后，只要a不为0或与原矩阵的对角线上的不为相反数，可保证矩阵为可逆矩阵。a的值人为设定。