目录
1、导入库
import numpy as np
import matplotlib.pyplot as plt
from pandas import DataFrame,Series
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
#sklearn随机生成数据包
from sklearn.datasets.samples_generator import make_regression
2、随机生成数据
# X为样本特征,y为样本输出, coef为回归系数,随机生成30个样本,每个样本1个特征
X, Y, coef =make_regression(n_samples=30, n_features=1,noise=10, coef=True)
plt.scatter(X, Y, color='black')# 画散点图
plt.plot(X, X*coef, color='blue',linewidth=3)# 画回归线
plt.show()
3、算术法
import random
def gradient_descent(alpha, x, y, ep=0.0001, max_iter=10000):
converged = False
iter = 0
m = x.shape[0] # 数据的行数
# 初始化参数(theta)
t0 = np.random.random(x.shape[1])
t1 = np.random.random(x.shape[1])
# 代价函数, J(theta)
J = sum([(t0 + t1 * x[i] - y[i]) ** 2 for i in range(m)])
# 进行迭代
while not converged:
# 计算训练集中每一行数据的梯度 (d/d_theta j(theta))
grad0 = 1.0 / m * sum([(t0 + t1 * x[i] - y[i]) for i in range(m)])
grad1 = 1.0 / m * sum([(t0 + t1 * x[i] - y[i]) * x[i] for i in range(m)])
# 更新参数 theta
# 此处注意,参数要同时进行更新,所以要建立临时变量来传值
temp0 = t0 - alpha * grad0
temp1 = t1 - alpha * grad1
t0 = temp0
t1 = temp1
# 均方误差 (MSE)
e = sum([(t0 + t1 * x[i] - y[i]) ** 2 for i in range(m)])
if abs(J - e) <= ep:
print('Converged, iterations: ', iter, '!!!')
converged = True
J = e # 更新误差值
iter += 1 # 更新迭代次数
if iter == max_iter:
print('Max interactions exceeded!')
converged = True
return t0, t1
4、向量法(即直接调用函数)
#拆分训练集和测试集(train_test_split是sklearn中的函数)
X_train,X_test,Y_train,Y_test = train_test_split(X,Y,train_size=0.7)
#train为训练数据,test为测试数据,train_size 规定了训练数据的占比
print("自变量---源数据:",X.shape, "; 训练集:",X_train.shape, "; 测试集:",X_test.shape)
print("因变量---源数据:",Y.shape, "; 训练集:",Y_train.shape, "; 测试集:",Y_test.shape)
#调用线性回归函数
model = LinearRegression()
#线性回归训练
model.fit(X_train,Y_train)
a = model.intercept_#截距
b = model.coef_#回归系数
#训练数据的预测值
y_train_pred = model.predict(X_train)
#绘制最佳拟合线:标签用的是训练数据的预测值y_train_pred
plt.plot(X_train, y_train_pred, color='blue', linewidth=2, label="best line")
#测试数据散点图
plt.scatter(X_train, Y_train, color='darkgreen', label="train data")
plt.scatter(X_test, Y_test, color='red', label="test data")
#添加图标标签
plt.legend(loc=2)#图标位于左上角,即第2象限,类似的,1为右上角,3为左下角,4为右下角
plt.show()#显示图像
print("拟合参数:截距",a,",回归系数:",b)
#显示线性方程,并限制参数的小数位为两位
print("最佳拟合线: Y = ",round(a,2),"+",round(b[0],2),"* X")
- 拟合参数:截距 0.08738783891391932 ,回归系数: [84.43692823]
- 最佳拟合线: Y = 0.09 + 84.44 * X
5、算术法与向量法比较
- Sklearn 是基于Python的机器学习工具模块。里面主要包含了6大模块:分类、回归、聚类、降维、模型选择、预处理。
- 根据Sklearn 官方文档资料,下面将各个模块中常用的模型函数总结出来。
回归及分类(监督学习)
1.1 广义线性模型 (fromsklearn import linear_model)
- 最小二乘法:拟合一个线性模型, 使得数据集实际观测数据和预测数据(估计值)之间残差平方和最小。
clf=linear_model.LinearRegression(), clf.fit(X,y) - 岭回归:改良的最小二乘,解决共线问题。
clf=linear_model.Ridge(alpha=0.5),clf.fit(X,y) - 逻辑回归:clf=linear_model.LogisticRegression()
1.2 朴素贝叶斯
- 高斯模型: from sklearn.naive_bayes import GassianNB
Gnb=GassianNB(),gnb.fit(data, target).predict(data) - 多项式模型:MultinomialNB
- 伯努利模型:会把输入数据二元化BernoulliNB
1.3 决策树 from sklearn import tree
- 决策树分类器:clf=tree.DecisionTreeClassifier()
- 回归分类器(y 值为float非int):
clf=tree. DecisionTreeRegressor()
1.4 支持向量机
from sklearn import svm
clf=svm.SVC()
1.5聚类
- K-means:
from sklearn.cluster import KMeans
kmeans= KMeans(n_clusters=2, random_state=0).fit(X)
基于Sklearn库能够更快的得出我们所需得数据,因为它包含了机器学习的各个模块,能够简单方便的处理数据,它拥有高性能的有点,但在算术法中,性能较低,但是所有的分析都是比较全面,在机器学习这一块,需要将两种模式结合,才能得出最优解。