一、过拟合及欠拟合
1、过拟合:一个假设在训练集数据上能够比其他假设更好的拟合,但是在训练集外的数据集上却不能很好的拟合数据,此时认为这个假设出现了过拟合现象。(模型过于复杂)
过拟合原因:原始特征太多,存在一些嘈杂特征,模型过于复杂是因为模型尝试去兼顾各个测试数据点。模型复杂的原因是:数据的特征和目标值之间的关系不仅仅是线性关系。
解决方法:进行特征选择,消除关联性大的特征(很难做);交叉验证(让所有数据都经过训练);正则化。
2、 欠拟合:一个假设在训练集数据上不能很好的拟合,在训练集数据外的数据集上也不能很好的拟合数据,此时认为这个假设出现了欠拟合的现象。(模型过于简单)
欠拟合原因:学习到的数据的特征太少
解决方法:增加数据的特征数量
3、L2正则化
作用:使得W的每个元素(权重)都很小,都无限接近于0
优点:参数越小说明模型越简单,模型越简单则越不容易产生过拟合现象
二、Ridge(岭回归)
1、一种带有正则化的线性回归算法
2、sklearn API:
Sklearn.linear_model.Ridge
3、案例:波士顿房价预测
# 使用sklearn中波士顿房价数据
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression,SGDRegressor, Ridge
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
def liner_analy():
'''
使用线性回归预测波士顿房价
:return:
'''
# 获取数据
lb = load_boston()
# 分割数据集到训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
# print(y_train, y_test)
# 进行标准化处理
# 特征值和目标值均需要进行标准化处理,实例化两个标准化API
std_x = StandardScaler()
x_train = std_x.fit_transform(x_train)
x_test = std_x.transform(x_test)
std_y = StandardScaler()
y_train = std_y.fit_transform(y_train.reshape(-1, 1))
y_test = std_y.transform(y_test.reshape(-1, 1))
# 估计器进行预测
# 使用正规方程求解预测结果
# lr = LinearRegression()
# 使用梯度下降求解预测结果
# lr = SGDRegressor()
# 使用岭回归求解房价预测
rd = Ridge()
rd.fit(x_train, y_train)
print(rd.coef_)
# 预测测试集的房价
y_predict = rd.predict(x_test)
# 将预测房价转换成标准化前的数据
y_predict = std_y.inverse_transform(y_predict)
print("测试集中每个房子的预测价格: ", y_predict)
print("均方误差: ", mean_squared_error(std_y.inverse_transform(y_test), y_predict))
return None
if __name__ == "__main__":
liner_analy()
4、岭回归的总结
岭回归:回归得到的回归系数更加符合实际,更为可靠。另外,能让估计参数的波动范围变小,变得更稳定。在存在病态数据偏多的研究中有较大的实用价值。