本文参考:
1)崔家华:https://cuijiahua.com/blog/2017/12/ml_12_regression_2.html
2)zsffuture: https://blog.csdn.net/weixin_42398658/article/details/83511409
================================================================================================
如果数据的特征比样本点还多应该怎么办?
岭回归即L2正则线性回归,在一般的线性回归最小化均方误差的基础上增加了一个参数w的L2范数的罚项,从而最小化罚项残差平方和。其实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法。
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
普通线性回归:
(1)
如果矩阵不可逆,但是计算机无法达到完全不可逆的地步,只是接近不可逆,此时求出的值很大,很奇怪的一个值,如果我们此时对值做一个约束,让他小于某个数,那么他就可以求出稳定的值,从这里大家能感觉到,这样做的目的确实把不可逆的问题解决了,但是也会使的不是最优解,因此从这里也说明了岭回归是有偏估计。
在普通线性回归的基础上添加约束:
(2)
通过拉格朗日乘子法将(1)、(2)转变为
对w求导,回归系数的计算公式变形如下:
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
式中,矩阵 I 是一个mxm的单位矩阵,加上一个λI从而使得矩阵非奇异,进而能对矩阵求逆。
岭回归最先用来处理特征数多于样本数的情况,现在也用于在估计中加入偏差,从而得到更好的估计。这里通过引入λ来限制了所有w之和,通过引入该惩罚项,能够减少不重要的参数,这个技术在统计学中也可以叫做缩减(shrinkage)。缩减方法可以去掉不重要的参数,因此能更好地裂解数据。此外,与简单的线性回归相比,缩减法能够取得更好的预测效果。
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt
import numpy as np
def loadDataSet(fileName):
numFeat = len(open(fileName).readline().split('\t')) - 1 # 统计 X的个数
xArr = []
yArr = []
fr = open(fileName)
for line in fr.readlines(): # 逐行读取,滤除空格等
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat):
lineArr.append(float(curLine[i]))
xArr.append(lineArr) # 添加数据
yArr.append(float(curLine[-1])) # 添加标签
return xArr, yArr
# ***************************************************
def ridgeRegress(xMat, yMat, lam=0.2):
xTx = xMat.T * xMat
denom = xTx + np.eye(np.shape(xMat)[1]) * lam
if np.linalg.det(denom) == 0.0:
print('矩阵为奇异矩阵,不能转置')
return
ws = denom.I * (xMat.T * yMat)
print('ws',ws)
return ws
# ***************************************************
def ridgeTest(xArr, yArr):
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
yMean = np.mean(yMat, axis=0)
yMat = yMat - yMean
xMeans = np.mean(xMat, axis=0)
xVar = np.var(xMat, axis=0) # 求方差
#print(xVar)
xMat = (xMat - xMeans) / xVar # 使每个维度特征具有相同的重要性,所有特征都减去各自的均值并除以方差
# ------------------------------------------------------------------------
numTestPts = 30
wMat = np.zeros((numTestPts, np.shape(xMat)[1]))
for i in range(numTestPts):
ws = ridgeRegress(xMat, yMat, np.exp(i - 10)) # lambda以e的指数变化,最初是一个非常小的数
wMat[i, :] = ws.T
# ------------------------------------------------------------------------
print('wMat',wMat)
return wMat
def plotwMat():
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc', size=14)
abX, abY = loadDataSet('test.txt')
redgeWeights = ridgeTest(abX, abY)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(redgeWeights)
ax_title_text = ax.set_title(u'log(lambada)与回归系数的关系', FontProperties=font)
ax_xlabel_text = ax.set_xlabel(u'log(lambada)', FontProperties=font)
ax_ylabel_text = ax.set_ylabel(u'回归系数', FontProperties=font)
plt.setp(ax_title_text, size=20, weight='bold', color='red')
plt.setp(ax_xlabel_text, size=10, weight='bold', color='black')
plt.setp(ax_ylabel_text, size=10, weight='bold', color='black')
plt.show()
if __name__ == '__main__':
plotwMat()
缩减方法(逐步线性回归或岭回归),就是将一些系数缩减成很小的值或者直接缩减为0。这样做,就增大了模型的偏差(减少了一些特征的权重),通过把一些特征的回归系数缩减到0,同时也就减少了模型的复杂度。消除了多余的特征之后,模型更容易理解,同时也降低了预测误差。但是当缩减过于严厉的时候,就会出现过拟合的现象,即用训练集预测结果很好,用测试集预测就糟糕很多。
前向逐步线性回归算法属于一种贪心算法,即每一步都尽可能减少误差。通过每次微调各个回归系数,计算预测误差。那个使误差最小的一组回归系数,就是我们需要的最佳回归系数。
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt
import numpy as np
def loadDataSet(fileName):
numFeat = len(open(fileName).readline().split('\t')) - 1 # 统计 X的个数
xArr = []
yArr = []
fr = open(fileName)
for line in fr.readlines(): # 逐行读取,滤除空格等
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat):
lineArr.append(float(curLine[i]))
xArr.append(lineArr) # 添加数据
yArr.append(float(curLine[-1])) # 添加标签
return xArr, yArr
def regularize(xMat, yMat):
'''
:param xMat: X数据集
:param yMat: Y数据集
:return: 标准化后的X数据集、标准化后的Y数据集
'''
inxMat = xMat.copy()
inyMat = yMat.copy()
yMean = np.mean(yMat, 0)
inyMat = yMat - yMean
inMeans = np.mean(inxMat, 0)
inVar = np.var(inxMat, 0)
inxMat = (inxMat - inMeans) / inVar # ???
return inxMat, inyMat
def rssError(yArr, yHatArr):
'''
误差大小评价函数
:param yArr: 预测值
:param yHatArr: 真实值
:return:
'''
return ((yArr - yHatArr) ** 2).sum()
def stageWise(xArr, yArr, eps=0.01, numIt=100):
'''
前向逐步线性回归
:param xArr: X输入数据
:param yArr: Y预测数据
:param eps: 每次迭代需要调整的步长
:param numIt: 迭代次数
:return: returnMat -numIt次迭代的回归系数矩阵
'''
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
xMat, yMat = regularize(xMat, yMat)
m, n = np.shape(xMat)
returnMat = np.zeros((numIt, n))
ws = np.zeros((n, 1))
wsTest = ws.copy()
wsMax = ws.copy()
# ----------------------------------------------------------
for i in range(numIt):
lowestError = float('inf')
for j in range(n):
for sign in [-1, 1]:
wsTest = ws.copy() # !!!!!!
wsTest[j] += eps * sign
yTest = xMat * wsTest
rssE = rssError(yMat.A, yTest.A)
if rssE < lowestError:
lowestError = rssE
wsMax = wsTest # !!!!!!
ws = wsMax.copy() # !!!!!!
# -----------------------------------------------------------
returnMat[i, :] = ws.T
return returnMat
def plotstageWiseMat():
'''
:return:
'''
font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc', size=14)
xArr, yArr = loadDataSet('test.txt')
returnMat = stageWise(xArr, yArr, 0.005, 1000) # !!!!!!
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(returnMat)
ax_title_text = ax.set_title(u'前向逐步回归:迭代次数与回归系数的关系', FontProperties=font)
ax_xlabel_text = ax.set_xlabel(u'迭代次数', FontProperties=font)
ax_ylabel_text = ax.set_ylabel(u'回归系数', FontProperties=font)
plt.setp(ax_title_text, size=15, weight='bold', color='red')
plt.setp(ax_xlabel_text, size=10, weight='bold', color='black')
plt.setp(ax_ylabel_text, size=10, weight='bold', color='black')
plt.show()
if __name__ == '__main__':
plotstageWiseMat()
有些系数从始至终都是约为0的,这说明它们不对目标造成任何影响,也就是说这些特征很可能是不需要的。逐步线性回归算法的优点在于它可以帮助人们理解模型并做出改进。当构建了一个模型后,可以运行该算法找出重要的特征,这样就有可能及时停止对那些不重要特征的收集。
简单小栗子
一种乐高套件基本上在几年后就会停产,但乐高的收藏者之间仍会在停产后彼此交易。本次使用回归方法对收藏者之间的交易价格进行预测。
原始数据下载地址:数据下载
1、线性回归算法
from bs4 import BeautifulSoup
import numpy as np
def scrapePage(retX, retY, inFile, yr, numPce, origPrc):
"""
函数说明:从页面读取数据,生成retX和retY列表
Parameters:
retX - 数据X
retY - 数据Y
inFile - HTML文件
yr - 年份
numPce - 乐高部件数目
origPrc - 原价
Returns:
无
"""
# 打开并读取HTML文件
with open(inFile, encoding='utf-8') as f:
html = f.read()
soup = BeautifulSoup(html)
i = 1
# 根据HTML页面结构进行解析
currentRow = soup.find_all('table', r="%d" % i)
while (len(currentRow) != 0):
currentRow = soup.find_all('table', r="%d" % i)
title = currentRow[0].find_all('a')[1].text
lwrTitle = title.lower()
# 查找是否有全新标签
if (lwrTitle.find('new') > -1) or (lwrTitle.find('nisb') > -1):
newFlag = 1.0
else:
newFlag = 0.0
# 查找是否已经标志出售,我们只收集已出售的数据
soldUnicde = currentRow[0].find_all('td')[3].find_all('span')
if len(soldUnicde) == 0:
pass
# print("商品 #%d 没有出售" % i)
else:
# 解析页面获取当前价格
soldPrice = currentRow[0].find_all('td')[4]
priceStr = soldPrice.text
priceStr = priceStr.replace('$', '')
priceStr = priceStr.replace(',', '')
if len(soldPrice) > 1:
priceStr = priceStr.replace('Free shipping', '')
sellingPrice = float(priceStr)
# 去掉不完整的套装价格
if sellingPrice > origPrc * 0.5:
# print("%d\t%d\t%d\t%f\t%f" % (yr, numPce, newFlag, origPrc, sellingPrice))
retX.append([yr, numPce, newFlag, origPrc])
retY.append(sellingPrice)
i += 1
currentRow = soup.find_all('table', r="%d" % i)
def setDataCollect(retX, retY):
"""
函数说明:依次读取六种乐高套装的数据,并生成数据矩阵
Parameters:
无
Returns:
无
"""
scrapePage(retX, retY, './lego/lego8288.html', 2006, 800, 49.99) # 2006年的乐高8288,部件数目800,原价49.99
scrapePage(retX, retY, './lego/lego10030.html', 2002, 3096, 269.99) # 2002年的乐高10030,部件数目3096,原价269.99
scrapePage(retX, retY, './lego/lego10179.html', 2007, 5195, 499.99) # 2007年的乐高10179,部件数目5195,原价499.99
scrapePage(retX, retY, './lego/lego10181.html', 2007, 3428, 199.99) # 2007年的乐高10181,部件数目3428,原价199.99
scrapePage(retX, retY, './lego/lego10189.html', 2008, 5922, 299.99) # 2008年的乐高10189,部件数目5922,原价299.99
scrapePage(retX, retY, './lego/lego10196.html', 2009, 3263, 249.99) # 2009年的乐高10196,部件数目3263,原价249.99
def loadDataSet(fileName):
numFeat = len(open(fileName).readline().split('\t')) - 1 # 统计 X的个数
xArr = []
yArr = []
fr = open(fileName)
for line in fr.readlines(): # 逐行读取,滤除空格等
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat):
lineArr.append(float(curLine[i]))
xArr.append(lineArr) # 添加数据
yArr.append(float(curLine[-1])) # 添加标签
return xArr, yArr
def regularize(xMat, yMat):
'''
:param xMat: X数据集
:param yMat: Y数据集
:return: 标准化后的X数据集、标准化后的Y数据集
'''
inxMat = xMat.copy()
inyMat = yMat.copy()
yMean = np.mean(yMat, 0)
inyMat = yMat - yMean
inMeans = np.mean(inxMat, 0)
inVar = np.var(inxMat, 0)
inxMat = (inxMat - inMeans) / inVar # ???
return inxMat, inyMat
def rssError(yArr, yHatArr):
'''
误差大小评价函数
:param yArr: 预测值
:param yHatArr: 真实值
:return:
'''
return ((yArr - yHatArr) ** 2).sum()
def standRegres(xArr, yArr):
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
xTx = xMat.T * xMat
if np.linalg.det(xTx) == 0.0:
print('矩阵为奇异矩阵,不能求逆')
return
ws = xTx.I * (xMat.T * yMat)
print('ws', ws)
return ws
def useStandRegres():
'''
使用简单的线性回归
:return:
'''
lgX = []
lgY = []
#lgX, lgY = loadDataSet('lego.txt')
setDataCollect(lgX, lgY)
# i=0
# for elem in lgY:
# i+=1
# print(elem)
# print(i)
# print([x for x in lgX])
print('lgX', lgX)
print('lgY', lgY)
data_num, features_num = np.shape(lgX)
lgX1 = np.mat(np.ones((data_num, features_num + 1)))
lgX1[:, 1:5] = np.mat(lgX)
ws = standRegres(lgX1, lgY)
print('%f%+f*年份%+f*部件数量%+f*是否为全新%+f*原价' % (ws[0], ws[1], ws[2], ws[3], ws[4]))
if __name__ == '__main__':
useStandRegres()
可以看出存在不合理的地方,比如是否为全新以及部件数量。
2、 岭回归
使用岭回归,通过交叉验证,找到使误差最小的λ对应的回归系数。
from bs4 import BeautifulSoup
import numpy as np
import random
def scrapePage(retX, retY, inFile, yr, numPce, origPrc):
"""
函数说明:从页面读取数据,生成retX和retY列表
Parameters:
retX - 数据X
retY - 数据Y
inFile - HTML文件
yr - 年份
numPce - 乐高部件数目
origPrc - 原价
Returns:
无
"""
# 打开并读取HTML文件
with open(inFile, encoding='utf-8') as f:
html = f.read()
soup = BeautifulSoup(html)
i = 1
# 根据HTML页面结构进行解析
currentRow = soup.find_all('table', r="%d" % i)
while (len(currentRow) != 0):
currentRow = soup.find_all('table', r="%d" % i)
title = currentRow[0].find_all('a')[1].text
lwrTitle = title.lower()
# 查找是否有全新标签
if (lwrTitle.find('new') > -1) or (lwrTitle.find('nisb') > -1):
newFlag = 1.0
else:
newFlag = 0.0
# 查找是否已经标志出售,我们只收集已出售的数据
soldUnicde = currentRow[0].find_all('td')[3].find_all('span')
if len(soldUnicde) == 0:
pass
# print("商品 #%d 没有出售" % i)
else:
# 解析页面获取当前价格
soldPrice = currentRow[0].find_all('td')[4]
priceStr = soldPrice.text
priceStr = priceStr.replace('$', '')
priceStr = priceStr.replace(',', '')
if len(soldPrice) > 1:
priceStr = priceStr.replace('Free shipping', '')
sellingPrice = float(priceStr)
# 去掉不完整的套装价格
if sellingPrice > origPrc * 0.5:
# print("%d\t%d\t%d\t%f\t%f" % (yr, numPce, newFlag, origPrc, sellingPrice))
retX.append([yr, numPce, newFlag, origPrc])
retY.append(sellingPrice)
i += 1
currentRow = soup.find_all('table', r="%d" % i)
def setDataCollect(retX, retY):
"""
函数说明:依次读取六种乐高套装的数据,并生成数据矩阵
Parameters:
无
Returns:
无
"""
scrapePage(retX, retY, './lego/lego8288.html', 2006, 800, 49.99) # 2006年的乐高8288,部件数目800,原价49.99
scrapePage(retX, retY, './lego/lego10030.html', 2002, 3096, 269.99) # 2002年的乐高10030,部件数目3096,原价269.99
scrapePage(retX, retY, './lego/lego10179.html', 2007, 5195, 499.99) # 2007年的乐高10179,部件数目5195,原价499.99
scrapePage(retX, retY, './lego/lego10181.html', 2007, 3428, 199.99) # 2007年的乐高10181,部件数目3428,原价199.99
scrapePage(retX, retY, './lego/lego10189.html', 2008, 5922, 299.99) # 2008年的乐高10189,部件数目5922,原价299.99
scrapePage(retX, retY, './lego/lego10196.html', 2009, 3263, 249.99) # 2009年的乐高10196,部件数目3263,原价249.99
def loadDataSet(fileName):
numFeat = len(open(fileName).readline().split('\t')) - 1 # 统计 X的个数
xArr = []
yArr = []
fr = open(fileName)
for line in fr.readlines(): # 逐行读取,滤除空格等
lineArr = []
curLine = line.strip().split('\t')
for i in range(numFeat):
lineArr.append(float(curLine[i]))
xArr.append(lineArr) # 添加数据
yArr.append(float(curLine[-1])) # 添加标签
return xArr, yArr
def regularize(xMat, yMat):
'''
:param xMat: X数据集
:param yMat: Y数据集
:return: 标准化后的X数据集、标准化后的Y数据集
'''
inxMat = xMat.copy()
inyMat = yMat.copy()
yMean = np.mean(yMat, 0)
inyMat = yMat - yMean
inMeans = np.mean(inxMat, 0)
print(inMeans)
inVar = np.var(inxMat, 0)
inxMat = (inxMat - inMeans) / inVar # ???
return inxMat, inyMat
def rssError(yArr, yHatArr):
'''
误差大小评价函数
:param yArr: 预测值
:param yHatArr: 真实值
:return:
'''
return ((yArr - yHatArr) ** 2).sum()
def standRegres(xArr, yArr):
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
xTx = xMat.T * xMat
if np.linalg.det(xTx) == 0.0:
print('矩阵为奇异矩阵,不能求逆')
return
ws = xTx.I * (xMat.T * yMat)
print('ws', ws)
return ws
# ***************************************************
def ridgeRegres(xMat, yMat, lam=0.2):
xTx = xMat.T * xMat
denom = xTx + np.eye(np.shape(xMat)[1]) * lam
if np.linalg.det(denom) == 0.0:
print('矩阵为奇异矩阵,不能转置')
return
ws = denom.I * (xMat.T * yMat)
print('ws', ws)
return ws
# ***************************************************
def ridgeTest(xArr, yArr):
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
yMean = np.mean(yMat, axis=0)
yMat = yMat - yMean
xMeans = np.mean(xMat, axis=0)
xVar = np.var(xMat, axis=0) # 求方差
# print(xVar)
xMat = (xMat - xMeans) / xVar # 使每个维度特征具有相同的重要性,所有特征都减去各自的均值并除以方差
# ------------------------------------------------------------------------
numTestPts = 30
wMat = np.zeros((numTestPts, np.shape(xMat)[1]))
for i in range(numTestPts):
ws = ridgeRegres(xMat, yMat, np.exp(i - 10)) # lambda以e的指数变化,最初是一个非常小的数
wMat[i, :] = ws.T
# ------------------------------------------------------------------------
#print('wMat', wMat)
return wMat
def crossValidation(xArr, yArr, numVal=10):
'''
交叉验证岭回归
:param xArr: X数据集
:param yArr: Y数据集
:param numVal: 交叉验证次数
:return: wMat: 回归系数矩阵
'''
m = len(yArr) #统计样本个数
indexList = list(range(m)) #生成索引列表
errorMat = np.zeros((numVal, 30))
for i in range(numVal):
trainX = []
trainY = []
testX = []
testY = []
random.shuffle(indexList) #打乱次序
# 90% 为训练集,10%为测试集
for j in range(m):
if j < m * 0.9:
trainX.append(xArr[indexList[j]])
trainY.append(yArr[indexList[j]])
else:
testX.append(xArr[indexList[j]])
testY.append(yArr[indexList[j]])
# ------------------------------------------------------------
wMat = ridgeTest(trainX, trainY) # 获得30个不同lambda下的岭回归系数
for k in range(30):
matTestX = np.mat(testX)
matTrainX = np.mat(trainX)
meanTrain = np.mean(matTrainX, 0)
varTrain = np.var(matTrainX, 0)
matTestX = (matTestX - meanTrain) / varTrain # ?????
yEst = matTestX * np.mat(wMat[k, :]).T + np.mean(trainY) # ???
errorMat[i, k] = rssError(yEst.T.A, np.array(testY)) # 统计误差
print('errorMat', errorMat)
meanErrors = np.mean(errorMat, 0) # 计算每次交叉验证的平均误差
minMean = float(min(meanErrors)) # 找到最小误差
bestWeights = wMat[np.nonzero(meanErrors == minMean)] # ?找到最佳回归系数
print('bestWeights', bestWeights)
xMat = np.mat(xArr)
yMat = np.mat(yArr).T
meanX = np.mean(xMat, 0)
varX = np.var(xMat, 0)
unReg = bestWeights / varX # ??????
print('%f%+f*年份%+f*部件数量%+f*是否为全新%+f*原价' %
((-1 * np.sum(np.multiply(meanX, unReg)) + np.mean(yMat)), unReg[0, 0],
unReg[0, 1], unReg[0, 2], unReg[0, 3]))
def useStandRegres():
'''
使用简单的线性回归
:return:
'''
lgX = []
lgY = []
# lgX, lgY = loadDataSet('lego.txt')
setDataCollect(lgX, lgY)
# i=0
# for elem in lgY:
# i+=1
# print(elem)
# print(i)
# print([x for x in lgX])
print('lgX', lgX)
print('lgY', lgY)
data_num, features_num = np.shape(lgX)
lgX1 = np.mat(np.ones((data_num, features_num + 1)))
lgX1[:, 1:5] = np.mat(lgX)
ws = standRegres(lgX1, lgY)
print('%f%+f*年份%+f*部件数量%+f*是否为全新%+f*原价' % (ws[0], ws[1], ws[2], ws[3], ws[4]))
if __name__ == '__main__':
# useStandRegres()
lgX = []
lgY = []
setDataCollect(lgX, lgY)
crossValidation(lgX, lgY)
因为其随机性,所以每次运行的结果可能略有不同。可以看出,它与常规的最小二乘法,即普通的线性回归没有太大差异。
修改代码:
if __name__ == '__main__':
# useStandRegres()
lgX = []
lgY = []
setDataCollect(lgX, lgY)
#crossValidation(lgX, lgY)
print(ridgeTest(lgX,lgY))
如果只选择一个特征来做预测的话,我们应该选择第4个特征。如果可以选择2个特征的话,应该选择第4个和第2个特征。这种分析方法使得我们可以挖掘大量数据的内在规律。在仅有4个特征时,该方法的效果也许并不明显;但如果有100个以上的特征,该方法就会变得十分有效:它可以指出哪个特征是关键的,而哪些特征是不重要的。
3、使用Sklearn的linear_model
参数说明如下:
- alpha:正则化系数,float类型,默认为1.0。正则化改善了问题的条件并减少了估计的方差。较大的值指定较强的正则化。
- fit_intercept:是否需要截距,bool类型,默认为True。也就是是否求解b。
- normalize:是否先进行归一化,bool类型,默认为False。如果为真,则回归X将在回归之前被归一化。 当fit_intercept设置为False时,将忽略此参数。 当回归量归一化时,注意到这使得超参数学习更加鲁棒,并且几乎不依赖于样本的数量。 相同的属性对标准化数据无效。然而,如果你想标准化,请在调用normalize = False训练估计器之前,使用preprocessing.StandardScaler处理数据。
- copy_X:是否复制X数组,bool类型,默认为True,如果为True,将复制X数组; 否则,它覆盖原数组X。
- max_iter:最大的迭代次数,int类型,默认为None,最大的迭代次数,对于sparse_cg和lsqr而言,默认次数取决于scipy.sparse.linalg,对于sag而言,则默认为1000次。
- tol:精度,float类型,默认为0.001。就是解的精度。
- solver:求解方法,str类型,默认为auto。可选参数为:auto、svd、cholesky、lsqr、sparse_cg、sag。
- auto根据数据类型自动选择求解器。
- svd使用X的奇异值分解来计算Ridge系数。对于奇异矩阵比cholesky更稳定。
- cholesky使用标准的scipy.linalg.solve函数来获得闭合形式的解。
- sparse_cg使用在scipy.sparse.linalg.cg中找到的共轭梯度求解器。作为迭代算法,这个求解器比大规模数据(设置tol和max_iter的可能性)的cholesky更合适。
- lsqr使用专用的正则化最小二乘常数scipy.sparse.linalg.lsqr。它是最快的,但可能在旧的scipy版本不可用。它是使用迭代过程。
- sag使用随机平均梯度下降。它也使用迭代过程,并且当n_samples和n_feature都很大时,通常比其他求解器更快。注意,sag快速收敛仅在具有近似相同尺度的特征上被保证。您可以使用sklearn.preprocessing的缩放器预处理数据。
- random_state:sag的伪随机种子。
修改代码:
def usesklearn():
'''
:return:
'''
from sklearn import linear_model
reg = linear_model.Ridge(alpha=.5)
lgX = []
lgY = []
setDataCollect(lgX, lgY)
reg.fit(lgX, lgY)
print('%f%+f*年份%+f*部件数量%+f*是否为全新%+f*原价' % (reg.intercept_, reg.coef_[0], reg.coef_[1], reg.coef_[2], reg.coef_[3]))
if __name__ == '__main__':
# useStandRegres()
# lgX = []
# lgY = []
# setDataCollect(lgX, lgY)
# crossValidation(lgX, lgY)
# print(ridgeTest(lgX,lgY))
usesklearn()
获得的结果与以上两种方法的结果类似。
总结
- 与分类一样,回归也是预测目标值的过程。回归与分类的不同点在于,前者预测连续类型变量,而后者预测离散类型变量。
- 岭回归是缩减法的一种,相当于对回归系数的大小施加了限制。另一种很好的缩减法是lasso。lasso难以求解,但可以使用计算简便的逐步线性回归方法求的近似解。