线性模型与线性拟合

2. 线性模型 (一元一次方程)

2.1 线性方程

如下直线方程属于·线性方程：
$$y=kx+b$$
图像可表示为：

2.2 线性拟合

在实际应用中，输入和输出可以用线性模型进行拟合，称之为线性模型或线性问题（如房屋面积与总价、成年人的身高与体重）
如下图所示：

线性拟合就是试图找到一个最优的线性方程，可以最好的匹配当前样本（到所有样本的距离之和最短，误差最小）。若已知样本只有一个自变量$x$与一个因变量$y$，则线性方程可表示为：
$$y=kx+b$$
线性拟合就是根据一组x, y的值，来寻求最佳k,b的值，这个过程也可称为线性回归。

线性回归可以用np.linalg.lstsq(a, b)来计算线性矩阵方程的最小二乘解

2.3 苹果股价案例

用一组散点描述时间序列下的股价：

import pandas as pd
import numpy as np

data = pd.read_csv('aapl.csv',					# 导入文件
                   header=None,
                   names=['dates','close'])		# 日期 & 当日收市股价
print(data)
                """
                    dates		close
                0	2011-01-28	336.10
                1	2011-01-31	339.32
                2	2011-02-01	345.03
                3	2011-02-02	344.32
                4	2011-02-03	343.44
                ...		...		...
                27	2011-03-09	352.47
                28	2011-03-10	346.67
                29	2011-03-11	351.99
                """

将dates与close用线画出来

data.plot(x='dates', y='close')

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KLQbhcV9-1597667251227)(line4.png)]

为了方便进行数学运算, 需要把日期改为数字格式, 可以用2011-01-01为0, 计算每个日期距离2011-01-01的天数为日期值

data['delta'] = data['dates'] - pd.to_datetime('2011-01-01')
data['delta'] = data['delta'].dt.days
print(data)
                """
                    dates		close	delta
                0	2011-01-28	336.10	27
                1	2011-01-31	339.32	30
                2	2011-02-01	345.03	31
                3	2011-02-02	344.32	32
                ...		...		...		...
                """

我们希望所有点都可以被线性方程$y=kx+b$表示，如果把delta和close数据带入方程可得：

"""
k*delta1 + b = clase1
k*delta2 + b = clase2
k*delta3 + b = clase3
...
k*delta29 + b = clase29
"""

这一组方程表示为矩阵相乘格式： (b 可以看作是 1 * b)

$$\left[\begin{array}{cc}delta{}_1& 1\\ delta{}_2& 1\\ delta{}_3& 1\\ delta{}_n& 1\end{array}\right]\times \left[\begin{array}{c}k\\ b\end{array}\right]=\left[\begin{array}{c}close{}_1\\ close{}_2\\ close{}_3\\ close{}_n\end{array}\right]$$

建立一个二维数组和一个一维数组, 用于计算矩阵 (如上所示)

# 制作一个二维数组, 第一列为delta, 第二列全部为1
A = pd.DataFrame({'a':data['delta'], 			# 第一列为delta
                  'b': np.ones(len(data))})		# 第二列全部为1, 长度与第一列长度一样
print(A)
                            """
                            	a	b
                            0	27	1.0
                            1	30	1.0
                            2	31	1.0
                            ..	..	..
                            """
B = data['close']
print(B)
                            """
                            0     336.10
                            1     339.32
                            2     345.03
                            3     344.32
                            ..	  ..
                            """

每两组方程即可求得一组k与b的值, 单纯进行线性拟合的话, 会得到多个不同的样本
用$np.linalg.lstsq(a, b) $可以通过最小二乘法求出所有结果中拟合误差最小的k与b的值。

x = np.linalg.lstsq(A,B)[0]
print(x)		# array([1.75245535e-01, 3.42503209e+02])

# 得到的线性方程为:   0.175*delta + 342.5 = close

利用线型拟合, 计算出基于线性方程的预测close数据 (close_pred)

close_pred = data['delta'] * x[0] +x[1]		# 将所有的delta带入到线性方程中得到y_pred
data['close_pred'] = close_pred
print(data)
                    """
                        dates		close	delta	close_pred
                    0	2011-01-28	336.10	27		347.234839
                    1	2011-01-31	339.32	30		347.760575
                    2	2011-02-01	345.03	31		347.935821
                    3	2011-02-02	344.32	32		348.111066
                    ..	..			..		..		..
                    """

画出股价的趋势线

data.plot(x='dates', y=['close', 'close_pred'])