目录
回归问题的判定?
回归:目标值是连续的,分类是离散的。
回归应用:房价预测,销售额预测,金融领域贷款额度预测等等。
比如说期末成绩等于下图,找到各个特征按比列结合去预测结果。
房价
用图表示,房子的面积和价格关系图。
import matplotlib.pyplot as plt
plt.figure(figsize=(10,10))#画板大小10乘10
plt.scatter([60,72,75,80,83],[126,151.2,157.5,168,174.3])#散点图
plt.show()
由此可看想x,y坐标关系成直线关系,如果想预测面积67对应的房子价格,直接可在图上找。
因此,线性回归就是寻找一种能预测的趋势。
线性关系:二维:直线关系,三维:特征,目标值,平面当中,立体图。
线性关系定义:y=kx+b,b:偏置,为了使对于单个特征的情况更通用。k:走向趋势。
多个特征:k1房子面积+k2房子位置+b
线性模型
属性的线性组合来进行预测的函数:
𝑓𝑥=𝑤1𝑥1+𝑤2𝑥2+…+𝑤𝑑𝑥𝑑+𝑏f(x)=w_1 x_1+w_2 x_2+…+w_d x_d+b
w为权重,b称为偏置项,可以理解为:𝑤0×1w_0×1
线性回归
定义:线性回归通过一个或者多个自变量(特征)与因变量(目标值)之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合
一元线性回归:涉及到的变量只有一个
多元线性回归:涉及到的变量两个或两个以上
属性和权重的一种组合来预测结果。矩阵:大多数算法计算基础。
矩阵乘法
np.dot(a,b)#矩阵乘法
预测结果与真实值是有一定的误差
回归是迭代的算法,预测时候有差距,知道误差,也不断地去减小误差。
损失函数(误差大小)
如何去求模型当中的W,使得损失最小?
(目的是找到最小损失对应的W值)
最小二乘法之正规方程
有几个特征,w的值就是几个。
最小二乘法之梯度下降
sklearn线性回归正规方程、梯度下降API
scikit-learn:优点:封装好,建立模型简单,预测简单、缺点:算法过程看不到,有些参数在API内部优化。
tensortflow:封装高低,自己实现线性回归,学习率等等。
线性回归实例
波士顿房价数据集分析流程
1、波士顿地区房价数据获取
2、波士顿地区房价数据分割
3、训练与测试数据标准化处理
4、使用最简单的线性回归模型LinearRegression和
梯度下降估计SGDRegressor对房价进行预测
导入默认数据集
from sklearn.datasets import load_boston
最简单的线性回归模型LinearRegression和梯度下降估计SGDRegressor
from sklearn.linear_model import LinearRegression,SGDRegressor
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression,SGDRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
def mylinear():
"""
线性回归直接预测房子价格
:return: None
"""
# 获取数据
lb = load_boston()
# 分割数据集到训练集和测试集 lb.data特征值 lb.target目标值 test_size:测试集大小
x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
print(y_train, y_test)
# 进行标准化处理(?) 目标值处理?
# 特征值和目标值是都必须进行标准化处理, 实例化两个标准化API
std_x = StandardScaler()#标准化
#标准化特征值
x_train = std_x.fit_transform(x_train)
x_test = std_x.transform(x_test)
# 目标值
std_y = StandardScaler()
#标准化目标值
y_train = std_y.fit_transform(y_train)
y_test = std_y.transform(y_test)
# estimator预测
# 正规方程求解方式预测结果
lr = LinearRegression()
lr.fit(x_train, y_train)
print(lr.coef_)#打印出回归系数(W值)
# 保存训练好的模型
# joblib.dump(lr, "./tmp/test.pkl")
# 预测测试集的房子价格
y_lr_predict = std_y.inverse_transform(lr.predict(x_test))
print("正规方程测试集里面每个房子的预测价格:", y_lr_predict)
return None
if __name__=="__main__":
mylinear()
回归系数
价格预测(有偏差)
梯度下降进行房价预测
# 梯度下降去进行房价预测
sgd = SGDRegressor()
sgd.fit(x_train, y_train)
print(sgd.coef_)
# 预测测试集的房子价格
y_sgd_predict = std_y.inverse_transform(sgd.predict(x_test))
print("梯度下降测试集里面每个房子的预测价格:", y_sgd_predict)
print("梯度下降的均方误差:", mean_squared_error(std_y.inverse_transform(y_test), y_sgd_predict))
# 岭回归去进行房价预测
rd = Ridge(alpha=1.0)
rd.fit(x_train, y_train)
print(rd.coef_)
# 预测测试集的房子价格
y_rd_predict = std_y.inverse_transform(rd.predict(x_test))
print("梯度下降测试集里面每个房子的预测价格:", y_rd_predict)
print("梯度下降的均方误差:", mean_squared_error(std_y.inverse_transform(y_test), y_rd_predict))
回归性能评估
sklearn回归评估API
导入包
from sklearn.metrics import mean_squared_error
print("正规方程的均方误差:", mean_squared_error(std_y.inverse_transform(y_test), y_lr_predict))
print("梯度下降的均方误差:", mean_squared_error(std_y.inverse_transform(y_test), y_rd_predict))
正规方程和梯度下降的区别
特点:线性回归器是最为简单、易用的回归模型。从某种程度上限制了使用,尽管如此,在不知道特征之间关系的前提下,我们仍然使用线性回归器作为大多数系统的首要选择。
小规模数据:LinearRegression(不能解决拟合问题)以及其它大规模数据:SGDRegressor
过拟合与欠拟合
问题:训练数据训练的很好啊,误差也不大,为什么在测试集上面有问题呢?
经过训练后,知道了天鹅是有翅膀的,天鹅的嘴巴是长长的。简单的认为有这些特征的都是天鹅。因为机器学习到的天鹅特征太少了,导致区分标准太粗糙,不能准确识别出天鹅。机器通过这些图片来学习天鹅的特征,经过训练后,知道了天鹅是有翅膀的,天鹅的嘴巴是长长的弯曲的,天鹅的脖子是长长的有点曲度,天鹅的整个体型像一个"2"且略大于鸭子。这时候机器已经基本能区别天鹅和其他动物了。然后,很不巧已有的天鹅图片全是白天鹅的,于是机器经过学习后,会认为天鹅的羽毛都是白的,以后看到羽毛是黑的天鹅就会认为那不是天鹅。
过拟合:一个假设在训练数据上能够获得比其他假设更好的拟合, 但是在训练数据外的数据集上却不能很好地拟合数据,此时认为这个假设出现了过拟合的现象。(模型过于复杂)
欠拟合:一个假设在训练数据上不能获得更好的拟合, 但是在训练数据外的数据集上也不能很好地拟合数据,此时认为这个假设出现了欠拟合的现象。(模型过于简单)
对线性模型进行训练学习会变成复杂模型
欠拟合原因以及解决办法
过拟合原因以及解决办法
模型过于复杂是因为模型尝试去兼顾
各个测试数据点
L2正则化
作用:可以使得W的每个元素都很小,都接近于0。
优点:越小的参数说明模型越简单,越简单的模型则越不容易产生过拟合现象。
带有正则化的线性回归-Ridge
观察正则化程度的变化,对结果的影响?
正则化力度从右往左越来越大,模型越简单。
岭回归预测房价
# 岭回归去进行房价预测
rd = Ridge(alpha=1.0)
rd.fit(x_train, y_train)
print(rd.coef_)
# 预测测试集的房子价格
y_rd_predict = std_y.inverse_transform(rd.predict(x_test))
print("梯度下降测试集里面每个房子的预测价格:", y_rd_predict)
print("梯度下降的均方误差:", mean_squared_error(std_y.inverse_transform(y_test), y_rd_predict))