第一章、统计学习方法概论

最新推荐文章于 2023-08-07 08:08:47 发布

王小希ww

最新推荐文章于 2023-08-07 08:08:47 发布

阅读量505

点赞数

分类专栏： # 统计学习方法文章标签：统计学习方法概论

本文链接：https://blog.csdn.net/qq_33934427/article/details/107356918

版权

统计学习方法专栏收录该内容

5 篇文章 0 订阅

订阅专栏

第一章、统计学习方法概论

文章目录

- 第一章、统计学习方法概论

1、统计学习的特点

计算机基于数据构建模型，并运用模型对数据进行预测和分析。其中研究对象是数据，研究的目的是对未知的数据进行预测。
统计学习建立在一个基本假设上：同类数据具有一定的统计规律性。
- 统计规律：对大量偶然事件整体起作用的规律，表现这些事物整体的本质和必然的联系。https://baike.baidu.com/item/统计规律/894528?fr=aladdin
统计学习是概率论、统计学、信息论、计算理论、最优化理论、计算机科学等多个领域的交叉学科。

2、统计学习的研究

统计学习方法：旨在开发新的学习方法
统计学习理论：探求统计学习方法的有效性与效率
统计学习应用： 考虑将统计学习方法应用到实际问题中

3、统计学习方法的基本步骤

1）得到一个有限的训练数据集合
2）确定包含所有可能模型的假设空间，及学习模型的集合
3）确定模型选择的准则，及学习的策略
4）实现求解最优模型的算法，及学习的算法
5）通过学习方法选择最优模型
6）利用学习的最优模型对新数据进行预测或分析

3、监督学习

统计学习包括监督学习，半监督学习，非监督学习，强化学习。

监督学习利用训练数据集学习的一个模型，再用模型对测试样本集进行预测，训练集往往是人工给出的，所以称之为监督学习。

3.1 基本概念

1）输入变量 & 输入空间 & 特征向量 & 特征空间

输入空间是在输入过程中，所有可能取值的集合。
输入变量常用X表示，输入变量的值用x表示
每个具体的输入是一个实例 x，用特征向量（列向量）表示

$x^{(i)}$ 表示x的第i个特征
$x_{(i)}$ 表示多个输入变量X中的第i个
我的理解是：
- 每个特征向量对应一个实例x；有多少个特征向量，输入变量X就有多少个实例xi。
- 输入变量X可以统计实例个数，而输入空间指的是一个二维矩阵
- 实例是从输入空间映射到特征空间上的，这样特征空间相比于输入空间，可以有着更高的维度。

2）输出变量 & 输出空间

输出空间是在输出过程中，所有可能取值的集合
输出变量常用Y表示，输出变量的值用y表示

3）训练集

由输入（或特征向量）与输出对组成
在这里插入图片描述

4）预测任务的分类

人们根据输入，输出变量的不同类型，对预测任务给予不同的名称

回归问题：X，Y均为连续变量的预测

分类问题：X，Y均为有限个离散变量的预测

标注问题：X，Y均为变量序列的预测

3.2 问题的形式化

在这里插入图片描述

监督学习分为学习和预测过程
学习系统：学习系统通过不断的尝试，选取最好的模型。学习系统利用给定的训练数据集，通过学习（或训练）得到一个模型，表示为**条件概率分布 P^(Y|X)或决策函数Y＝ f^{(X)**。条件概率分布P}(Y|X)或决策函数Y＝ f^{(X)描述输入与输出随机变量之间的映射关系。(用P},f^表示学习系统学习得到的那个模型)
预测系统：在预测过程中，预测系统对于给定的测试样本集中的输入 $x_{N+1}$ ，由模型 $y_{N+1} = arg max_{N+1} P(y_{N+1} | x_{N+1})$ 或 $y_{N+1}$ ＝ $f(x_{N+1} )$ 给出相应的输出 $y_{N+1}$ 。

3.3、小总结

监督学习可以归结为最小化一个目标函数。求模型多项式的参数，防止过拟合。
在这里插入图片描述

4、统计学习的三要素

方法 = 模型 + 策略 + 算法

4.1 假设空间(模型)

假设空间用F表示，模型的假设空间包含所有可能的条件概率分布或决策函数。
假设决策函数是输入变量的线性函数，那么模型的假设空间就是所有这些线性函数构成的函数集合。假设空间中的模型一般有无穷多个。假设空间（模型）的确定意味着学习范围的确定。
假设空间的定义

决策函数的集合：

条件概率分布的集合：
参数向量 & 参数空间：
- 参数向量θ取值于n维欧氏空间 $R^n$ ，称为参数空间
- 假设“真模型”是决策函数，输入变量X的每一个实例x只有一个特征，那么我们可以用泰勒多项式来逼近这个真模型，得到最优的模型。其中多项式中特征x前的系数随着多项式的次数变化而变化，所有的系数构成一个参数向量。

4.2 策略

1）策略是什么

使它对已知训练数据和未知测试数据，在给定的评价准则下有最优的预测。我的理解是：利用训练集学习模型，在给定的评价标准下选择最优的模型，这个模型可以使得测试误差最小。

2）评价准则

损失函数
- 预测值f(X)与真实值Y可能一致也可能不一致，用一个损失函数或代价函数来度量预测错误的程度
- 损失函数是f(X)和Y的非负实值函数
- 损失函数的类型：
  - 0-1损失函数：
  - 平方损失函数：
  - 绝对损失函数：
  - 对数损失函数：
- 备注：如何理解对数损失函数
  - 对数损失函数和似然函数的关系
    - 似然函数是指一组参数在一堆数据下的似然值，这个值等于每一条数据在该组参数下的条件概率之积，公式为P(theta | x1, ..., xn) = P(x1 | theta) * ... * P(xn | theta)其中theta是参数，xi是数据。
    - 贝叶斯公式 P(si | c) = P(c | si) * P(si)，如果实例c只有一个特征（一个句子），则P(c| si) 是最简单的似然函数，其中P(si)是先验概率，是接下来介绍的结构风险中的正则化项（罚项）
    - 对数损失函数 = 负对数似然
    - 对数损失函数最小 = - log（最大似然函数）
  - 为什么要取对数？
    - 累乘变累加，方便计算
  - 为什么要取负数？
    - 概率值是[0,1]内，所以概率值累乘会变成一个很小的值。
    - 根据对数的图像，如果以大于1的数作为对数的底数，累乘的概率值一定小于0，而损失函数是非负实值，所以要取负。
风险函数 & 经验风险
- 损失函数值越小，模型就越好。由于模型的输入、输出（X,Y）是随机变量，遵循联合分布P(X,Y)，所以损失函数的期望是
  
  这是理论上模型f(X)关于联合分布P(X,Y)的平均意义下的损失，称为风险函数（risk function）或期望损失（expected loss）。
  
  由于联合概率分布在学习系统中是未知的（无论是学习模型，还是生成模型），所以期望损失（风险函数）无法计算，只能用经验风险来替代。
- 模型f(X)关于训练数据集的平均损失成为经验风险或者经验损失。
- 期望风险和经验风险的关系：
  
  期望风险 $R_{exp} (f)$ 是模型关于联合分布的期望损失，经验风险 $R_{emp} (f)$ 是模型关于训练样本集的平均损失。根据大数定律，当样本容量N趋于无穷时，经验风险 $R_{emp} (f)$ 趋于期望风险 $R_{exp} (f)$ 。
结构风险
- 在经验风险上加上表示模型复杂度的正则化项（regularizer）或罚项（penalty term）
- $J (f)$ 为模型的复杂度，复杂度表示了对复杂模型的惩罚，模型 $f$ 越复杂，复杂度 $J (f)$ 就越大；反之，模型 $f$ 越简单，复杂度 $J (f)$ 就越小
- λ≥0是系数，用以权衡经验风险和模型复杂度
- 对正则化项的理解
  - 正则化项可以取不同的形式。例如，回归问题中，损失函数是平方损失，正则化项可以是参数向量的L-2 范数。$||w||_2 $表示参数向量w的L-2 范数。
  - 正则化项也可以是参数向量的L-1 范数。 $w||_1$ 表示参数向量w的L-1 范数。
- 为什么要引入范数？
  - 二维实数空间中，取两个点（1，1）和（0，3），这个时候我们就没办法比较它们之间的大小，因为它们不是可以比较的实数，于是我们引入范数这个概念，把我们的（1，1）和（0，3）通过范数分别映射到实数\sqrt{2} 和 3 ，这样我们就比较这两个点了。所以你可以看到，范数它其实是一个函数，它把不能比较的向量转换成可以比较的实数。
  - 范数它其实是一个函数，它把不能比较的向量转换成可以比较的实数方便比较大小
- 范数的分类？
  - 矩阵范数：描述矩阵引起变化的大小，AX=B，矩阵X变化了A个量级，然后成为了B。
  - 向量范数：描述向量在空间中的大小。向量范数的通用公式为L-P范数。
    - L-0范数：用来统计向量中非零元素的个数。0的任何次方都为0
    - L-1范数 $W||_1$ ：向量中所有元素的绝对值之和。可用于优化中去除没有取值的信息，又称稀疏规则算子。稀疏规则化算子的引入就是为了完成特征自动选择的光荣使命，它会学习地去掉这些没有信息的特征，也就是把这些特征对应的权重置为0。
    - L-2范数 $W||_2$ ：典型应用——欧式距离。可用于优化正则化项，避免过拟合。
    - L-∞范数：计算向量中的最大值。

3）基本策略

经验风险最小化
- 经验风险最小化的策略认为，经验风险最小的模型是最优的模型。
- 当模型是条件概率分布，损失函数是对数损失函数时，经验风险最小化就等价于极大似然估计。
- 缺点：当样本容量很小时，会产生“过拟合(over-fitting)”现象。
结构风险最小化
- 结构风险最小化（structural risk minimization，SRM）是为了防止过拟合而提出来的策略。结构风险最小化等价于正则化（regularization）。
- 当模型是条件概率分布、损失函数是对数损失函数、模型复杂度由模型的先验概率表示时，结构风险最小化就等价于最大后验概率估计。
- 结构风险小需要经验风险与模型复杂度同时小。结构风险小的模型往往对训练数据以及未知的测试数据都有较好的预测。
- 注意训练集的个数N和参数的个数M不一定相等，所以加号不表示数组依次相加，而是数组的合并。
- 这里可以参考两个视频进行理解正则化
  
  什么是 L1 L2 正规化正则化 Regularization (深度学习 deep learning)
  
  10分钟彻底搞懂L2正则化–转自台大老师李宏毅2020

4.3 算法

模型学习的算法（算法）是指学习模型的具体计算方法
统计学习问题归结为最优化问题，统计学习的算法成为求解最优化问题的算法。

5、模型评估与模型选择

5.1 训练误差 & 测试误差

基于损失函数的模型的训练误差（training error）和模型的测试误差（test error）就自然成为学习方法评估的标准。最终的目的是使测试误差达到最小。
训练误差：模型Y= f^(X)关于训练数据集的平均损失（N为训练样本容量）
测试误差：模型Y= f^(X)关于测试数据集的平均损失（N’为测试样本容量）
- 误差率(error rate)：当损失函数是0-1损失时，测试误差就变成了常见的测试数据集上的误差率，y != f(x)时为1，否则为0
- 准确率(accuracy)：注意准确率的计算不使用0-1损失函数，而与之相反，即y = f(x)时为1，否则为0
- 误差率和准确率的关系
统计学习方法具体采用的损失函数未必是评估时使用的损失函数。当然，让两者一致是比较理想的。

5.2 模型选择

当假设空间含有不同复杂度（例如，不同的参数个数）的模型时，就要面临模型选择（model selection）的问题。所选择的模型要与真模型的参数个数相同，所选择的模型的参数向量与真模型的参数向量相近。

1）过拟合

指学习时选择的模型所包含的参数过多，以致于出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象
举个栗子：

如果M＝9，多项式曲线通过每个数据点，训练误差为0。从对给定训练数据拟合的角度来说，效果是最好的。但是，因为训练数据本身存在噪声，这种拟合曲线对未知数据的预测能力往往并不是最好的。

当M＝3时，多项式曲线对训练数据拟合效果足够好，模型也比较简单，是一个较好的选择。

2）模型复杂度

随着 多项式次数（模型复杂度） 的增加，训练误差会减小，直至趋向于0，但测试误差却不如此，它会随着多项式次数（模型复杂度）的增加先减小而后增大。多项式的次数越大，输入变量x前的次数越多（参数就越多），模型复杂度越大。
训练误差和测试误差与模型复杂度的关系

3）交叉验证

如果给定的样本数据充足，进行模型选择的一种简单方法是随机地将数据集切分成三部分，分别为训练集（training set）、验证集（validation set）和测试集（test set）。训练集用来训练模型，验证集用于模型的选择，而测试集用于最终对学习方法的评估。由于验证集有足够多的数据，用它对模型进行选择也是有效的。
但是，在许多实际应用中数据是不充足的。为了选择好的模型，可以采用交叉验证方法。交叉验证的基本想法是重复地使用数据；把给定的数据进行切分，将切分的数据集组合为训练集与测试集，在此基础上反复地进行训练、测试以及模型选择。
交叉验证的分类
- 简单交叉验证：
  - 从全部的训练数据S中随机选择s的样例作为训练集，剩余的作为测试集（验证集）。
  - 一般来说，简单交叉验证并非一种交叉验证，因为数据并没有交叉使用。
  - 由于验证集和训练集是分开的，就避免了过拟合的现象。
- S折交叉验证：
  - 将全部训练集 S分成 k个不相交的子集，假设 S中的训练样例个数为 m，那么每一个子集有 m/k 个训练样例，相应的子集称作 {s1,s2,…,sk}。每次从分好的子集中里面，拿出一个作为测试集（验证集），其它k-1个作为训练集。
- 留一交叉验证：
  - 留一法就是每次只留下一个样本做测试集，其它样本做训练集，如果有k个样本，则需要训练k次，测试k次。
  - 留一法计算最繁琐，但样本利用率最高。适合于小样本的情况。

6、泛化能力

学习方法的泛化能力（generalization ability）是指由该方法学习到的模型对未知数据的预测能力

6.1 泛化误差

测试误差的缺点：现实中采用最多的办法是通过测试误差来评价学习方法的泛化能力。但这种评价是依赖于测试数据集的。因为测试数据集是有限的，很有可能由此得到的评价结果是不可靠的。
如果学到的模型是f^，那么用这个模型对未知数据预测的误差即为泛化误差。事实上，泛化误差就是所学习到的模型的期望风险。
举个栗子：二类分类问题的泛化误差

6.2 泛化误差上界

它是样本容量的函数，当样本容量增加时，泛化上界趋于0；它是假设空间容量（capacity）的函数，假设空间容量越大，模型就越难学，泛化误差上界就越大。
泛化误差 & 泛化误差上界：
- 不等式（1.25）左端 $R (f)$ 是泛化误差，右端即为泛化误差上界。
- 在泛化误差上界中，第1项是训练误差(经验风险），训练误差越小，泛化误差也越小。
- 第2项 $ξ (d ， N, σ)$ 是N的单调递减函数，当N趋于无穷时趋于0；d是函数的个数，同时它也是** $l o g d$ 阶的函数**，假设空间F包含的函数越多，其值越大。(假设空间容量越大，模型就越难学，泛化误差上界就越大)

7、生成模型和判别模型

监督学习方法又可以分为生成方法（generative approach）和判别方法（discriminative approach）。所学到的模型分别称为生成模型（generative model）和判别模型（discriminative model）。

7.1 生成方法 & 生成模型

生成方法由数据学习联合概率分布P(X,Y)，然后**求出条件概率分布P(Y|X)**作为预测的模型，即生成模型：
生成方法的特点：
生成方法可以还原出联合概率分布P(X,Y)，而判别方法则不能；
生成方法的学习收敛速度更快，即当样本容量增加的时候，学到的模型可以更快地收敛于真实模型；
当存在隐变量时，仍可以用生成方法学习，此时判别方法就不能用
典型的生成模型有：朴素贝叶斯法和隐马尔可夫模型

7.2 判别方法 & 判别模型

判别方法由数据 直接学习决策函数f(X)或者条件概率分布P(Y|X) 作为预测的模型，即判别模型。
判别方法的特点：
- 判别方法直接学习的是条件概率P(Y|X)或决策函数f(X)，直接面对预测，往往学习的准确率更高；
- 由于直接学习P(Y|X)或f(X)，可以对数据进行各种程度上的抽象、定义特征并使用特征，因此可以简化学习问题。
典型的判别模型包括：k近邻法、感知机、决策树、逻辑斯谛回归模型、最大熵模型、支持向量机、提升方法和条件随机场等

7.3 分类问题

在监督学习中，当输出变量Y取有限个离散值时，预测问题便成为分类问题。这时，输入变量X可以是离散的，也可以是连续的。监督学习从数据中学习一个分类模型或分类决策函数，称为分类器（classifier）。
可能的输出称为类（class）。分类的类别为多个时，称为多类分类问题。本书主要讨论二类分类问题。

1）正类 & 负类

通常以关注的类为正类，其他类为负类，分类器在测试数据集上的预测或正确或不正确，4种情况出现的总数分别记作：

TP——将正类预测为正类数；
FN——将正类预测为负类数；
FP——将负类预测为正类数；
TN——将负类预测为负类数。

2）分类指标

准确率（见模型评估那部分）
精准率（查准率） ＝检索出的相关信息量 / 检索出的信息总量
召回率（查全率） ＝检索出的相关信息量 / 系统中的相关信息总量

附上两图便于理解

在这里插入图片描述

3）分类方法

k近邻法、感知机、朴素贝叶斯法、决策树、决策列表、逻辑斯谛回归模型、支持向量机、提升方法、贝叶斯网络、神经网络、Winnow等

4）应用

在这里插入图片描述

7.4 标注问题

可以认为标注问题是分类问题的一个推广，标注问题又是更复杂的结构预测（structure prediction）问题的简单形式。
举个栗子：输入：At Microsoft Research，输出：At/O Microsoft/B Research/E
标注方法：隐马尔可夫模型、条件随机场。
应用：

7.5 回归问题

回归用于预测输入变量（自变量）和输出变量（因变量）之间的关系。回归模型正是表示从输入变量到输出变量之间映射的函数。
回归问题的学习等价于函数拟合：选择一条函数曲线使其很好地拟合已知数据且很好地预测未知数据。
并不是所有的拟合问题都是回归问题，只要模型是函数（用函数进行分类），就存在拟合问题。
回归的分类：
- 回归问题按照输入变量的个数，分为一元回归和多元回归
- 按照输入变量和输出变量之间关系的类型即模型的类型，分为线性回归和非线性回归
  - 线性和非线性的区别是是否可以用直线将样本划分开
  - 线性就是每个变量的指数都是1，而非线性就是至少有一个变量的指数不是1
回归方法：

回归学习最常用的损失函数是平方损失函数，在此情况下，回归问题可以由著名的最小二乘法（least squares）求解。
应用：

8、用python解决一元回归的函数拟合问题

了解代码之前，先回顾之前的概念，以及了解一些新概念

8.1 最小二乘法（最小平方法）

https://www.zhihu.com/question/37031188

8.2 L-1，L-2正则化

李航老师书中给的公式如下，即结构风险最小化=正则化= min（经验风险 + 正则化项）

[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-DjihJUP1-1594783584760)(./img/Snipaste_2020-06-30_19-55-38.png)]

但是在python代码中，用了以下语句实现正则化，会发现得到的ret数组不是在原来的ret数组上，依次加上L-2范数。而是将ret数组和L-2范数得到的数组，合并成一个大的数组。

 # 经验风险[0.31972216 -0.28167978 -0.64009235 -0.23185228 0.37735337 1.20983082 1.89436378 2.78654483
 # 3.26961043 3.81895049] M+1个数

# 结构风险[3.19722159e-01 -2.81679783e-01 -6.40092347e-01 -2.31852279e-01 3.77353372e-01 1.20983082e+00
# 1.89436378e+00 2.78654483e+00 3.26961043e+00 3.81895049e+00 4.97801504e-04 8.94357277e-04 2.55965917e-	
# 03 6.09320893e-03 5.60403167e-03 3.88778337e-04 5.08172080e-03 2.28874924e-03 2.16380642e-03  	
# 2.23093071e-03] 2*(M+1)个数

设想一下，经验风险是平均损失，与训练数据个数N有关；而模型复杂度与参数个数有关， $J (f)$ 数组中元素个数，无论用是L-1范数，还是L-2范数计算，个数都与多项式的次数M有关；无法保证N和M相等，则数组不能相加，只能合并。

residuals_func_regularization:
...
 	print(len(ret)," ", len(np.sqrt(0.5*regularization*np.square(p))))
	ret = ret + np.sqrt(0.5*regularization*np.square(p));
    
main:
    # 在[0,1]区间内产生10个真实点(x,y)
    x_points = np.linspace(0,1,10)
    y_points = real_func(x_points)
... 
	y_polyld_reg = fit_func(fitting(3, x_points, y_points, residuals_func_regularization), x)
    plt.plot(x, y_polyld_reg, label="regulation curve", color="cyan", lw=2.0)
 
---
ValueError: operands could not be broadcast together with shapes (10,) (4,)

当参数 $w_i$ 越趋近于0时，function越光滑。在计算机制图中，会经常遇到曲线的光滑处理。曲线的光滑方法有许多，大体有两种类型：https://baike.baidu.com/item/曲线光滑/5170091
- 一种要求拟合曲线严格通过各离散点
- 另一种则根据点列的大体趋势按最小二乘法原理来拟合一条曲线，该曲线与离散点有较小偏离。
L2正规化可以使function更加光滑，而L1正规化得到的解是不稳定的

8.3 代码中的一些注意点

Q1：为什么用噪点来训练得到最优的参数向量（(p_lsq_9[0]），但是在绘制图像时不用噪点x_point，y_point来绘制?

A1：因为如果用噪点画function，画不出光滑曲线，应该用非噪点的x，代入选择的最优模型，求y_point进行绘制。
```
plt.plot(x, fit_func(p_lsq_9[0], x), label='fitted curve')
```
np.poly1d()的使用：通过传入长度为M+1的参数列表，构造M次多项式
通过最小二乘法（fitting方法里）+ 残差函数（或者正则化的残差函数）训练得到最优的参数列表

8.4 代码演示

import numpy as np;
from scipy.optimize import leastsq
import matplotlib.pyplot as plt;

# 目标函数sin(2πx)
def real_func(x):
    return np.sin(2*np.pi*x)

# 关于一个变量x的(次数依次递减）多项式函数
# p是一个多项式的系数列表，次数为M，系数个数为M+1
def fit_func(p,x):
    # np.poly1d的使用
    # >>> p = np.poly1d([1, 2, 3])
    # |  >>> print(np.poly1d(p))
    # |     2
    # |  1 x + 2 x + 3
    # |
    # |  Evaluate the polynomial at :math:`x = 0.5`:
    # |
    # |  >>> p(0.5)
    # |  4.25
    f = np.poly1d(p)
    return f(x)

# 经验风险(残差函数):预测值 - 真实值
def residual_func(p,x,y):
    return fit_func(p,x) - y

# 在residual_func经验风险的基础上，加上正则化项，变成结构风险
def residuals_func_regularization(p, x, y):

    regularization = 0.0001

    # 经验风险
    ret = residual_func(p,x,y)
    # print("经验风险", ret)
    # 经验风险[0.31972216 -0.28167978 -0.64009235 -0.23185228 0.37735337 1.20983082 1.89436378 2.78654483
    # 3.26961043 3.81895049] M+1个数
    

    # 结构风险(np。append()将两个数组合并成一个大数组，不是两个数组依次相加)
    ret = np.append(ret, np.sqrt(0.5*regularization*np.square(p))) # L2范数作为正则化项
    # print("结构风险", ret)
    # 结构风险[3.19722159e-01 -2.81679783e-01 -6.40092347e-01 -2.31852279e-01 3.77353372e-01 1.20983082e+00
    # 1.89436378e+00 2.78654483e+00 3.26961043e+00 3.81895049e+00 4.97801504e-04 8.94357277e-04 2.55965917e-	# 03 6.09320893e-03 5.60403167e-03 3.88778337e-04 5.08172080e-03 2.28874924e-03 2.16380642e-03  			# 2.23093071e-03] 2*(M+1)个数
    
    #如果是经验风险和正则化项依次相加，则有可能报错
    #print(len(ret)," ", len(np.sqrt(0.5*regularization*np.square(p))))
    #ret = ret + np.sqrt(0.5*regularization*np.square(p));
    
    return ret


# 函数参数是：M=多项式次数，x=训练集（噪点）横坐标，y=训练集（噪点）纵坐标，func=最小二乘法中选择的策略函数
# 通过产生M+1个随机的，[0,1]内的系数列表
# 使用最小二乘法的策略来避免学习到的多项式过拟合于目标函数
# 返回值是最优参数列表
def fitting(M, x, y, func):

    # dn表示数组的维度
    # out: ndarray, shape
    # ``(d0, d1, ..., dn)``
    # Random values.
    # >> > np.random.rand(3, 2)
    # array([[0.14022471, 0.96360618],  # random
    #        [0.37601032, 0.25528411],  # random
    #        [0.49313049, 0.94909878]])  # random
    p_init = np.random.rand(M + 1)
    print("初始参数列表", p_init)

    # 最小二乘法得到最优的参数向量（多项式中的系数（权值）列表）
    # leastsq()第一个参数为模型选择的策略函数：损失函数，经验风险函数，结构风险函数
    # 这里使用residual_func()，或者residuals_func_regularization作为策略函数，目的是得到最优的p_init列表,
    # args=(x,y)为residual_func()剩余的参数
    # 注意第一个参数是函数名，不带()
    p_lsq = leastsq(func,p_init,args=(x,y))
    print('最优参数列表', p_lsq[0])

    return p_lsq[0]

if __name__ == '__main__':
    # 在[0,1]区间内产生10个真实点(x,y)
    x_points = np.linspace(0,1,10)
    y_points = real_func(x_points)

    # 将真实点加上正态分布噪音的目标函数的值，作为训练集，散点表示
    # 参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布，
    # 参数scale(float)：正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦。
    # 参数size(int 或者整数元组)：输出的值赋在shape里，默认为None。
    y_points = [np.random.normal(0, 0.1) + y1 for y1 in y_points]
    plt.scatter(x_points, y_points, label="noise",color="blue")

    # 在[0,1]区间内产生1000个点，汇出光滑的目标函数曲线
    x = np.linspace(0,1,1000)
    y = real_func(x)
    plt.plot(x, y, label="real curve",color="red",lw=2.0)

    # 利用噪点来训练多项式
    # 1、利用最小二乘法得到最优的参数列表  print(fitting(3,x_points,y_points))
    # 2、将最优的参数列表，噪点x代入fit_func(p, x),得到最优的多项式，即最优的模型
    y_polyld = fit_func(fitting(9,x_points,y_points,residual_func),x)
    plt.plot(x, y_polyld, label="fitted curve", color="green",lw=2.0)

    
    y_polyld_reg = fit_func(fitting(9, x_points, y_points, residuals_func_regularization), x)
    plt.plot(x, y_polyld_reg, label="regulation curve", color="cyan", lw=2.0)

    # 把所有图例放在一起
    plt.legend()
    plt.show()