【机器学习】过拟合及欠拟合、岭回归 No.12

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。