在本练习中,您将实现正则线性回归,并使用它来研究具有不同偏差-方差特性的模型。
1、Regularized Linear Regression 正则线性回归
在前半部分的练习中,你将实现正则化线性回归,以预测水库中的水位变化,从而预测大坝流出的水量。在下半部分中,您将通过一些调试学习算法的诊断,并检查偏差 v.s. 方差的影响。
1.1 Visualizing the dataset 可视化数据集
我们将从可视化数据集开始,其中包含水位变化的历史记录,x,以及从大坝流出的水量,y。
这个数据集分为了三个部分:
training set 训练集:训练模型
cross validation set 交叉验证集:选择正则化参数
test set 测试集:评估性能,模型训练中不曾用过的样本
import numpy as np
import matplotlib.pyplot as plt
from scipy.io import loadmat
import scipy.optimize as opt
data=loadmat('ex5data1.mat')#读取矩阵格式的数据集
#数据已经被分成了训练集、交叉验证集、测试集三部分
X=data['X'] #(12,1) 训练集
y=data['y'].flatten() #(12,) 训练集输出变量,并转换为一维数组
Xval=data['Xval']#(21,1) 验证集
yval=data['yval'].flatten()#(21,) 验证集输出变量,并转化为一维数组
Xtest = data['Xtest']#(21,1) 测试集
ytest = data['ytest'].flatten()#(21,) 测试集输出变量,并转换成一维数
#数据处理
X=np.insert(X,0,1,axis=1) #(12,2) 训练集
Xval=np.insert(Xval,0,1,axis=1) #(21,2) 验证集
Xtest=np.insert(Xtest,0,1,axis=1) #(21,2) 测试集
# 可视化训练集
def plotData():
"""瞧一瞧数据长啥样"""
plt.figure(figsize=(8,5))
plt.scatter(X[:,1:], y, c='r', marker='x')
plt.xlabel('Change in water level (x)')
plt.ylabel('Water flowing out of the dam (y)')
plotData()
运行结果:
1.2正则线性回归成本函数
回顾一下,正则线性回归具有以下成本函数:
其中λ是一个正则化参数,它控制正则化的程度(因此,有助于防止过度拟合)。模型参数θj增大,惩罚增加。请注意,不应该规范θ0项。
theta=np.ones(X.shape[1]) # (2,)
def costreg(theta,X,y,l):
cost=((X@theta-y)**2).sum()
reg=l*(theta[1:]@theta[1:])
return (cost+reg)/(2*len(X))
theta=np.ones(X.shape[1]) # (2,)
print(costreg(theta,X,y,1)) #303.99319222
1.3 正则线性回归梯度
相应地,正则线性回归代价的偏导