2023.10.5学习
人工智能基础学习
- 欠拟合和过拟合
欠拟合:训练数据和预测数据都不准确;可以通过观察训练数据而发现,通过优化模型解决
过拟合:训练数据拟合准确,但很可能对预测数据造成误判
原因:
- 模型结构过于复杂(维度过高)
- 使用了过多属性,模型训练时包含了干扰项信息
解决办法:
- 简化模型结构(使用低阶模型)
- 数据预处理,保留主成分信息(PCA)
- 模型训练时,增加正则化项(regularization)
正则化处理后的损失函数( J ):(g(θ, xi)是拟合模型方程)
J = 1 2 m ∑ i = 1 m ( g ( θ , x i ) − y i ) 2 + λ 2 m ∑ j = 1 n θ j 2 J = \frac 1 {2m} \sum \limits^m \limits_{i = 1}(g(\theta,x_i)-y_i)^2+\frac \lambda {2m}\sum\limits^n\limits_{j =1}\theta^2_j J=2m1i=1∑m(g(θ,xi)−yi)2+2mλj=1∑nθj2
通过引入正则化项(含λ项),λ取值大的情况下,因为要使损失函数尽量小,故可以约束θ取值,从而控制模型系数取值。
- 数据分离:对全数据进行数据分离,训练集部分用于训练,测试集部分用于新数据的结果预测。
训练数据集准确率 随着模型复杂而提高
测试数据集准确率,在模型过于简单或过于复杂的情况时下降(欠拟合-合理-过拟合-欠拟合)
- 混淆矩阵
在之前讲到的传统流程(数据载入 → 数据可视化与预处理 → 创建模型 → 模型训练 → 模型评估)中,计算模型对于测试数据集的准确率来评估模型表现,但是这种方式的局限性在于,无法真实反映模型针对各个分类的预测准确度
准确率可以方便地用于衡量模型的整体预测效果,但(1)无法体现数据预测的实际分布情况;(2)无法体现模型错误预测的类型
↓
混淆矩阵(Confusion Matrix):又称误差矩阵,用于衡量分类算法的准确程度
- 分类任务中,相比单一的预测准确率,混淆矩阵提供了更全面的模型评估信息(TP、TN、FP、FN)
- 通过混淆矩阵,可以计算出多样的模型表现衡量指标,从而更好地选择模型
模型优化:
扩大数据样本
剔除异常数据(异常检测)
数据降维(PCA)
对模型进行正则化处理,调整正则项λ的数值
选用多种模型比较效果
代码练习:
高阶数据生成
from sklearn.preprocessing import PolynomialFeatures
poly2 = PolynomialFeatures(degree=2) # 维度为2
X_2_train = poly2.fit_transform(X_train) # 二阶数据生成
print(X_2_train) # 3列数据
高阶曲线绘制
fig3 = plt.figure()
X_2_range = np.linspace(20, 90, 300).reshape(-1, 1)
X_2_range = poly2.transform(X_2_range)
y_2_range_predict = lr2.predict(X_2_range)
plt.plot(X_range, y_2_range_predict) # x为默认数据,因为画不出高阶
完整代码:
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
from sklearn.preprocessing import PolynomialFeatures
data_train = pd.read_csv('data_train.csv')
print(data_train.head())
X_train = data_train.loc[:, 'temperature']
y_train = data_train.loc[:, 'rate']
fig1 = plt.figure()
plt.scatter(X_train, y_train)
plt.title('raw data')
plt.show()
# 创建线性回归模型
lr1 = LinearRegression()
X_train = np.array(X_train).reshape(-1, 1)
lr1.fit(X_train, y_train)
test_data = pd.read_csv('data_test.csv')
print(test_data.head())
X_test = test_data.loc[:, 'temperature']
y_test = test_data.loc[:, 'rate']
X_test = np.array(X_test).reshape(-1, 1)
y_train_predict = lr1.predict(X_train)
y_test_predict = lr1.predict(X_test)
r2_train = r2_score(y_train, y_train_predict)
r2_test = r2_score(y_test, y_test_predict)
print('train_r2: ', r2_train, 'test_r2: ', r2_test)
# 可视化预测结果
X_range = np.linspace(20, 90, 300).reshape(-1, 1)
y_range_predict = lr1.predict(X_range)
fig2 = plt.figure()
plt.plot(X_range, y_range_predict)
plt.scatter(X_train, y_train)
plt.title('predicted_line data')
plt.show()
# 多项式拟合
poly2 = PolynomialFeatures(degree=2) # 维度为2
X_2_train = poly2.fit_transform(X_train) # 二阶数据生成
X_2_test = poly2.fit_transform(X_test)
print(X_2_train) # 3列数据
lr2 = LinearRegression()
lr2.fit(X_2_train, y_train)
y_2_train_predict = lr2.predict(X_2_train)
y_2_test_predict = lr2.predict(X_2_test)
r2_train = r2_score(y_train, y_2_train_predict)
r2_test = r2_score(y_test, y_2_test_predict)
print('train_r2: ', r2_train, 'test_r2: ', r2_test)
# 二阶模型可视化
fig3 = plt.figure()
X_2_range = np.linspace(20, 90, 300).reshape(-1, 1)
X_2_range = poly2.transform(X_2_range)
y_2_range_predict = lr2.predict(X_2_range)
plt.plot(X_range, y_2_range_predict) # x为默认数据,因为画不出高阶
plt.scatter(X_train, y_train)
plt.scatter(X_test, y_test)
plt.title('predicted_degree2 data')
plt.show()
# 5阶模型
poly5 = PolynomialFeatures(degree=5)
X_5_train = poly5.fit_transform(X_train)
X_5_test = poly5.fit_transform(X_test)
print(X_5_train)
lr5 = LinearRegression()
lr5.fit(X_5_train, y_train)
y_5_train_predict = lr5.predict(X_5_train)
y_5_test_predict = lr5.predict(X_5_test)
r2_train = r2_score(y_train, y_5_train_predict)
r2_test = r2_score(y_test, y_5_test_predict)
print('train_r2: ', r2_train, 'test_r2: ', r2_test)
# 5阶模型可视化
fig4 = plt.figure()
X_5_range = np.linspace(20, 90, 300).reshape(-1, 1)
X_5_range = poly5.fit_transform(X_5_range)
y_5_range_predict = lr5.predict(X_5_range)
plt.plot(X_range, y_5_range_predict)
plt.scatter(X_train, y_train)
plt.scatter(X_test, y_test)
plt.title("predicted_degree5 data")
plt.show()