李宏毅《机器学习》Task02 - 回归_通过所学知识设计宝可梦进化后cp值的-CSDN博客

本文链接：https://blog.csdn.net/kkm09/article/details/119757643

一、回归（Regression）能做什么?

除了上一节说的预测 PM2.5 之外，还有其他非常有用的案例：

股市预测：
- 输入：过去十年内各种股票的涨跌资料或某些公司并购的资料
- 输出：未来道琼工业平均指数
自动驾驶：
- 输入：无人车红外线所探测的数据、镜头所看到的数据
- 输出：方向盘的角度（左转15°、右转35°等）
推荐系统：
- 输入：使用者A + 商品B
- 输出：使用者A 购买商品B的 可能性

分类问题是没有“逼近”概念的。

二、利用回归进行预测

预测宝可梦的CP值

2.1 背景

“CP值”是一只宝可梦的战斗力。你抓到一只宝可梦“妙蛙种子”，给它吃一些糖果以后，它就会进化成“妙蛙草”，此时CP值就变了。
如果能预测一只宝可梦在进化后的CP值，你就可以评估是否需要进化，以充分利用糖果的资源，来进化更多更强的宝可梦。

操作：找一个function，输入为一只宝可梦 $x$ 的各种属性值，输出为进化后的CP值 $y$ ，如图所示。
宝可梦CP值
一只宝可梦记作 $x$ ，其属性值如下：

标记	解释
$x_{cp}$	进化前的CP值（14）
$x_s$	物种（妙蛙种子）
$x_{hp}$	生命值（10）
$x_w$	重量（11.62kg）
$x_h$	身高（0.88m）

2.2 如何解决这个问题呢？

上一节我们知道有三个步骤：

建模：选一个模型（function set）
评估：评价模型中function的好坏
择优：找一个最好的function

详细步骤

2.2.1 找模型（使用一次函数）

先找一个简单的 一次函数：
$y = b + w*x_{cp}$
即进化后的CP值y等于某一个常数项b，加上某一个数值w乘以输入的宝可梦x在进化前的CP值。

w和b是参数，为任意值，取不同的数值就得到不同的function

如下图所示：
步骤一
$f_3$ 显然不太可能是正确的，因为进化后CP值变负数了。 这就需要训练集来告诉我们哪些function才是合理的function。

将无穷多个 $w_i*x_i$ 相加之和再加上b，就得到了一个 线性模型
$x_i$ 中抽取出来的各种属性值称作 “特征”（feature），当做function的输入
$w_i$ 为权重（weight）， $b$ 为偏置（bias）

2.2.2 评价映射的好坏

1. 收集训练集

先收集训练集，才能找这个function。这是一个监督学习的模型，需要手动给出输入和输出，本例中，它们都是数值。

举例来说，杰尼龟 能进化成 卡咪龟，用 $x^1$ 表示杰尼龟的各种特征，用 $\hat y^1$ 表示进化后的CP值979： $x^1→\hat y^1$ 。其中这个979是我们实际观察到的正确数值。
评价映射的好坏
继续上述操作，收集更多的 $x^i→\hat y^i$ 。首先我们通过少量数据来进行训练，这里收集了10只宝可梦进化后的CP值，将输入作为横轴，输出作为y轴，标记在图像上：
10 pokemons

2. 定义映射的好坏

定义另一个函数，用以评价Model中function的糟糕程度——损失函数 $L$ （Loss function）：

输入：一个function
输出：糟糕程度
定义： $L (f) = L (w, b)$ ，此处使用 最小二乘法

f由w和b决定，因此损失函数实际上是用来衡量一组参数的好坏

用真正的数值减去预测的数值再取平方，就是估测的误差。再将它们相加取和就得到损失函数：
定义映射的好坏
损失函数值越大，即误差越大，function效果越差。

2.2.3 找出最好的映射

根据损失函数的定义可得：找到 使损失函数值最小 的function即为最好的function。可穷举w和b，代入使得损失函数最小，但这个非常消耗时间
，显然不可接受。因此就需要一种方法来较快地寻找 —— 梯度下降法（Gradient Descent）。
Best Function

梯度下降法

在高等数学中我们学过，梯度就是可微函数 f 在各个方向上求偏导数的向量 $f'_x, f'_y, f'_z, ...)$ ，表示某一函数在该点处的方向导数沿着该方向取得最大值。

前提：函数 $L (w)$ 可微分。
做法：

随机选取一个初始点 $w^0$
做 $L$ 对 $w$ 在 $w_0$ 处的微分，即切线的斜率
- 斜率为负↘，则增大w： $w$ 右移 → $L (w)$ 减小
- 斜率为正↗，则减小w： $w$ 左移 → $L (w)$ 减小

那么问题来了，参数值如何增加呢，该增加多少呢？

w向右走的步伐大小取决于两个条件：

现在的微分值大小：微分值越大，越陡峭，步伐越大；反之越小。
学习率（Learning rate）η：事先定好的数值，η越大，步伐越大，参数更新的幅度越大，学习的效率更快；反之越小。

注意是减号，微分正，减小w。

重复上述步骤的迭代，直到w移动到 局部最小值。

局部最小值和全局最小值

梯度下降法不能找到全局最小值，但是在 线性回归问题 中并没有局部最小，因为线性回归模型的损失函数是 凸函数（convex），局部极值必为全局极值。
【若函数可二阶导（或二阶可偏导），则可利用二阶导数（或偏导数）大于零证明】

以上是一个参数的问题，现在由一个参数推广到两个参数：

类似地，将b利用w的方法，分别计算出L对w和b的偏导数，反复迭代，求出最小的损失函数。

梯度下降法参数调整在等高线中展示效果如下：

2.3 测试训练结果

测试结果
可以看到曲线拟合得并不完美，在某些点处有很大的误差，或许拟合曲线并不是一条直线。那么我们还能做的更好吗？当然，可以考虑换个更复杂的模型。

2.3.1 换模型（二次函数）

$y=b + w_1*x_{cp}+w_2*(x_{cp})^2$
可以用上述方法找到一个最好的 function：

$b = - 10.3$
$w_1=1.0, w_2=2.7×10^{-3}$

在训练集上的图像如下：
训练集结果
看起来更加合理了，且平均误差为15.4。那么在测试集上表现如何呢：
测试结果
平均误差为18.4！有没有可能做得更好呢？
对比图

上图分别为二次、三次、四次、五次函数。可以发现，到五次函数的时候已经将训练集拟合得很好了，但是测试集上误差反而更大！这种现象称为 “过拟合”（Overfitting）。

2.3.2 过拟合

如何解释这种现象呢？
过拟合
如上图所示，次数越高的函数，它的解空间包含了低次数函数的解空间。因此越复杂的模型，它包含越多的函数，理论上就可以找出一个函数使得训练误差越来越低，前提是梯度下降法能真正帮我们找到最好的函数，不能出现局部最优。

但是在测试集上的结果与训练集的结果是不一样的：
测试集训练集对比
在到第三个式子为止，测试集的误差一直在降低；但是越往后走，误差就暴增了！越复杂的模型并不一定得到越好的结果，这就是 过拟合。因此我们需要选择一个合适的模型。

2.4 收集大量数据来训练测试

现在我们收集60只宝可梦，把原来和进化后的CP值作图（如下图所示），会发现右上角几个点被某种“隐藏力量”影响了。这到底是什么呢？答案就是物种。
hidden factors

隐藏因素

我们将不同的物种用不同的颜色表示
不同物种
只考虑进化前的CP值是远远不够的，还要考虑物种对进化的影响，因此需要重新设计模型：不同的物种就代入不同的线性函数。

但是把 if 放在 function 里面，这样不就不是一个线性模型了吗？后续还能对损失函数进行微分、用梯度下降法吗？

可以把上述式子改写成一个线性函数：

通过控制δ函数的值，来控制函数的结构，具体如下：
改写函数

那么对于更换后的模型，它的结果怎么样呢？

测试结果
对于不同的物种，线的颜色不一样。当分不同的种类来考虑时，所预测的误差比原来的模型误差更小。

但这里还是有不能拟合得很好的点，还有其他可能的因素影响着模型预测结果。

可以把所有因素加入模型，看看结果如何：

可以看到又是过拟合了。怎么办呢？使用 正则化 （Regularization）

我们重新定义损失函数，加入一些辅助的额外项λ，让我们找到比较好的function。其中，λ项越趋于0越好：

这里不需要考虑 bais 这一项。因为我们要找一个平滑的function，调整b的大小只是将函数图像上下移动而已，和平滑程度并无关系。

当我们加上λ项时，就说这个function是比较 平滑的（smooth） ——当输入有变化时，输出对输入的变化是比较 不敏感 的。

假设模型为一次函数模型，在某一个 $x_i$ 加上一个 $\Delta x_i$ ，即：
$\sum w_ix_i + \Delta x_i$
这个时候输出的变化：
$y→y+w_i \Delta x_i$
当 $w_i$ 越接近0，输出的变化就越小，也即输出对输入的变化不敏感。

为什么我们喜欢比较平滑的 function ？

假设我们的输入在测试的时候被噪声干扰了，那么一个比较平滑的function就能受到比较小的影响，从而给出一个好的结果。

实验结果

λ值越大，代表考虑平滑项的影响力越大，找到的function就越平滑。
当λ值越大时，在测试集上的误差就越大，因为这时就越倾向于考虑 $w$ 的数值，而减小考虑训练的误差。
有趣的是，在训练集上得到的误差越大，在测试集上得到的误差是可能比较小的。我们喜欢平滑的function，但不喜欢太平滑的function。

如何找出function有多平滑呢？

这就需要我们调λ的值来决定平滑程度
如上图，选择λ = 100，在测试集上的误差最小。

总结

宝可梦进化前的CP值和进化后的CP值，以及它是哪个物种是非常有关系的，也可能会有其他的因素
梯度下降法的原理和技巧
过拟合和正则化
我们最后得到测试集的平均误差结果是11.1。但是如果用于其他的数据集来预测，得到的误差会是怎样的？

三、代码实现

导入模块

import numpy as np
from matplotlib import pyplot as plt

定义训练数据和损失函数

x_data = [338., 333., 328., 207., 226., 25., 179., 60., 208., 606.]
y_data = [640., 633., 619., 393., 428., 27., 193., 66., 226., 1591.]

# 使用线性回归模型：y_data = b + w * x_data
x = np.arange(-200, -100, 1)  	# bias 横坐标范围
y = np.arange(-5, 5, 0.1)  		# weight 纵坐标范围
Z = np.zeros((len(x), len(y)))
X, Y = np.meshgrid(x, y)  		# meshgrid 返回结果：y为行，x为列

# 损失函数
for i in range(len(x)):
    for j in range(len(y)):
        b = x[i]
        w = y[j]
        Z[j][i] = 0
        for n in range(len(x_data)):
            Z[j][i] += (y_data[n] - b - w * x_data[n]) ** 2
        Z[j][i] /= len(x_data)

初始化参数，并使用梯度下降法求参数b, w

b = -120	# 初始化 b
w = -4		# 初始化 w
lr = 1  	# 学习率
iteration = 100000

# 存储参数值以便于绘图展示
b_history = [b]
w_history = [w]

# b和w使用不同的学习率
lr_b = 0
lr_w = 0

# 使用梯度下降法求参数
for i in range(iteration):
    b_grad = 0.0
    w_grad = 0.0
    for n in range(len(x_data)):
        b_grad = b_grad - 2.0 * (y_data[n] - b - w * x_data[n]) * 1.0
        w_grad = w_grad - 2.0 * (y_data[n] - b - w * x_data[n]) * x_data[n]

    lr_b += b_grad ** 2
    lr_w += w_grad ** 2

    # 更新参数
    b -= lr / np.sqrt(lr_b) * b_grad
    w -= lr / np.sqrt(lr_w) * w_grad

    b_history.append(b)
    w_history.append(w)

使用 pyplot 绘图

# 绘图
plt.contourf(x, y, Z, 50, alpha=0.5, cmap=plt.get_cmap('jet'))  # 填充等高线
plt.plot([-188.4], [2.67], 'x', ms=12, mew=3, color="orange")
plt.plot(b_history, w_history, 'o-', ms=3, lw=1.5, color='black')
plt.xlim(-200, -100)
plt.ylim(-5, 5)
plt.xlabel(r'$b$')
plt.ylabel(r'$w$')
plt.title("Linear Regression")
plt.show()