Ridge & Lasso Regression解决线性回归的过拟合（Overfitting）（基于波士顿房价预测）

取名真难.

已于 2023-12-19 23:00:16 修改

阅读量1k

点赞数 21

分类专栏：机器学习文章标签：人工智能深度学习机器学习 python 线性回归

于 2023-12-19 22:59:51 首次发布

本文链接：https://blog.csdn.net/qq_74156152/article/details/135096068

版权

机器学习专栏收录该内容

40 篇文章 0 订阅

订阅专栏

4、 Lasso regression 和 Ridge regression一定优于LinearRegression吗

一、 Linear Regression

二、Ridge Regression

三、Lasso Regression

四、Ridge Regression和Lasso Regression

五、对比三种回归的结果

介绍：

1、过拟合

过拟合（Overfitting）是指机器学习模型过于复杂，过于精确地适应了训练数据，导致在新数据上的预测表现不佳的现象。

当一个模型过拟合时，它会在训练数据上表现得非常好，但在测试数据或新数据上的表现则很差。过拟合通常发生在模型复杂度较高、参数较多的情况下。原因可能是模型过多地记住了训练数据的细节和噪声，而忽略了数据的一般特征和模式。过拟合也可能是由于训练数据不足或不平衡导致的。

2、Lasso regression

Lasso regression也是一种线性回归，Lasso回归也被称为L1正则化线性回归。它是线性回归的一种变体，旨在通过添加一个L1正则化项来约束模型的系数。这个正则化项可以使得某些特征的系数变为零，从而实现特征选择的效果。与岭回归（Ridge Regression）相比，Lasso回归具有更强的稀疏性，即更容易使得某些特征的系数为零。

3、 Ridge regression

Ridge regression也是一种线性回归，岭回归（Ridge regression）是一种线性回归模型的改进方法。它通过在线性回归模型中添加一个正则化项，来解决数据特征之间共线性（多重共线性）的问题。岭回归的目标是找到最佳的回归系数，使得模型的预测误差最小化。与普通最小二乘法不同，岭回归可以对回归系数进行缩减，从而降低模型的复杂度。通过控制一个超参数λ（lambda），可以调节回归系数的惩罚力度，进而得到更合理的模型。

4、 Lasso regression 和 Ridge regression一定优于LinearRegression吗

不一定。Lasso回归和线性回归是两种不同的回归算法，适用于不同的数据情况。

Lasso回归通过加入L1正则化项，可以进行特征选择，将一些不重要的特征的系数收缩为零，从而降低模型的复杂度。这对于具有大量特征的数据集来说很有优势，可以避免过拟合，提高模型的泛化能力。然而，在某些情况下，过强的正则化可能导致模型欠拟合。

线性回归是最基本的回归算法，它假设自变量和因变量之间存在线性关系，并且不存在特征的选择问题。线性回归在数据集较小、特征较少的情况下通常表现良好，但在高维数据集和存在多重共线性的情况下可能会有问题。

不一定。Ridge回归和线性回归（Linear Regression）是两种不同的回归模型。

Ridge回归是一种正则化线性回归模型，通过在损失函数中添加一个正则化项（L2范数）来惩罚模型的复杂度，防止过拟合。Ridge回归可以有效地降低特征的影响力，避免产生过高的权重，从而提高模型的泛化能力。

而线性回归（Linear Regression）是一种最小二乘法的回归模型，通过使预测值和实际值之间的方差最小化来拟合数据。线性回归没有正则化项，模型的复杂度较低。

在某些情况下，Ridge回归可能比线性回归更好，特别是在存在多重共线性（multicollinearity）问题时。多重共线性会导致线性回归的系数估计不稳定，而Ridge回归可以通过正则化来减少这种不稳定性。

但是，在没有多重共线性问题的情况下，如果数据的特征之间关系简单且线性，线性回归可能效果更好。因为Ridge回归在惩罚模型复杂度的同时，也会降低特征的影响力，可能导致欠拟合。

因此，选择使用哪种回归模型取决于数据的特点和建模的目标。

在选择回归算法时，应该根据具体的数据情况和问题需求来决定使用哪种模型。

X#自变量

y#因变量

一、 Linear Regression

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
linregrassor=LinearRegression()
cvscore=cross_val_score(linregrassor,X,y,cv=5)#cv表示分成五份，一份测试集，四份训练集（五次评分）

cvscore#五个score
#结果：array([ 0.63919994,  0.71386698,  0.58702344,  0.07923081, -0.25294154])

mean_cvscore=np.mean(cvscore)#平均score
#结果：0.3532759243958823

二、Ridge Regression

from sklearn.linear_model import Ridge
from sklearn.model_selection import GridSearchCV#加入parameters多个备选参数由算法决定最佳调参

ridge=Ridge()
parameters={'alpha':[1e-5,1e-10,1e-8,1e-3,1e-2,1,5,10,20,30,35,40,45,50,55,100,200,500,1000]}
ridgeregressor=GridSearchCV(ridge,parameters,cv=5)#parameters喂给ridge，跑五次，cv表示分成五份，一份测试集，四份训练集（五次评分）
ridgeregressor.fit(X,y)

print(ridgeregressor.best_params_)#最佳参数
#结果：{'alpha': 200}

print(ridgeregressor.best_score_)#最佳模型值
#结果：0.49798762179623085

#因为在大范围内选择的最佳参数为200，可以在200左右再选参数，进一步精细化
parameters={'alpha':[170,180,190,200,210,220,230,235,240]}#算法决定最佳调参后可以再进一步精细化
ridgeregressor=GridSearchCV(ridge,parameters,cv=5)#parameters喂给ridge，跑五次
ridgeregressor.fit(X,y)

print(ridgeregressor.best_params_)
#结果：{'alpha': 180}
print(ridgeregressor.best_score_)
#结果：0.49823676810726536

cv=5：平均分成五份，做五次

三、Lasso Regression

from sklearn.linear_model import Lasso
from sklearn.model_selection import GridSearchCV
lasso=Lasso()
parameters={'alpha':[1e-5,1e-10,1e-8,1e-3,1e-2,1,5,10,20,30,35,40,45,50,55,100,200,500,1000]}
lassoregressor=GridSearchCV(lasso,parameters,cv=5)#cv表示分成五份，一份测试集，四份训练集（五次评分）
lassoregressor.fit(X,y)

print(lassoregressor.best_params_)
#结果：{'alpha': 1}

print(lassoregressor.best_score_)
#结果：0.431848787926522}

四、Ridge Regression和Lasso Regression

用手动设置训练集和测试集的方式

from  sklearn.model_selection import train_test_split#将数据分成测试和训练集
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)#测试集占百分之二十，random_state=0随机抽取数据集里的成为测试集
prediction_lasso=lassoregressor.predict(X_test)
prediction_ridge=ridgeregressor.predict(X_test)

prediction_lasso
'''结果：
array([23.74549008, 25.05669894, 27.30699681, 15.26474466, 20.28388223,
       22.75172373, 21.45598059, 24.23856649, 21.11819135, 19.95909495,
        8.98313974, 13.30218316, 17.99925624,  8.39272295, 35.35448484,
       30.78862119, 22.38396018, 34.3159854 , 29.8521009 , 24.63915134,
       25.7851669 , 25.20997813, 20.07312698, 29.34704456, 23.54801802,
       17.49320154, 19.76581421, 22.02254005, 31.35043449, 19.53061141,
       17.86731915, 20.03959005, 22.70589322, 24.27507125, 28.3321545 ,
       20.26286175, 10.68729818, 24.94704305, 15.84336797, 12.8254677 ,
       25.41186454, 20.63647768, 22.05355817, 16.77749717, 23.30629191,
       25.77681736, 19.84379805, 23.32853181, 12.22570134, 23.7054699 ,
       21.09270778, 16.76593695, 24.7895207 , 27.77843148, 15.02615536,
       21.29343807, 21.55732101, 17.59916216, 18.35971801, 19.53427781,
       21.69584327, 22.09466825, 30.77701755, 30.58126341, 18.59617266,
       31.00696923, 18.55257582, 18.71479862, 15.79040727, 22.86722623,
       21.5804364 , 23.05453916, 30.92223126, 29.21101697, 25.40070956,
        5.75970797, 32.88156033, 23.539222  , 26.54430218, 20.38280007,
       28.11924474, 19.21283372, 21.96930246, 33.47811935, 33.60083428,
       25.39263122, 23.9380826 , 15.60389015, 30.00273357, 17.19181248,
       16.84840301, 12.0032218 , 27.14671556, 30.55661543, 25.00026849,
       22.52772776,  1.12415573, 28.040647  , 15.35965294, 21.08232769,
       24.57837072, 21.89156861])
'''

prediction_ridge
'''结果：
array([23.8221835 , 25.20259785, 27.53093947, 14.58951793, 19.6074286 ,
       21.69483525, 21.4566671 , 23.61199647, 20.7368666 , 19.58217475,
        6.63735854, 13.94947909, 18.49317999,  7.72499122, 36.3522899 ,
       31.18961686, 22.33460779, 34.97976822, 30.83078488, 24.46734842,
       25.47472001, 24.6587079 , 20.17171431, 30.01063275, 22.97537586,
       15.45690209, 18.90690169, 21.75900952, 32.56455397, 19.74393167,
       18.12048305, 20.06946532, 20.97263715, 23.81262096, 28.96841294,
       20.7965572 , 10.95091512, 25.35142051, 16.23333426, 13.4982668 ,
       24.98278871, 20.39690622, 21.61521524, 16.39149259, 22.65891092,
       25.1457976 , 18.73402526, 23.8338197 , 12.33037924, 23.8180197 ,
       21.52664928, 17.3346035 , 24.96628962, 27.89463941, 13.76088933,
       21.3597084 , 20.75545937, 15.80907985, 16.20859966, 19.5075779 ,
       19.53138931, 21.89707787, 31.58387677, 31.47599653, 18.42654404,
       31.76658571, 19.22691897, 18.3864344 , 16.63161167, 22.86516713,
       21.02865109, 22.53088304, 30.94096598, 29.29650859, 25.49106868,
        5.78908343, 34.4337712 , 23.33656159, 26.96978297, 20.25620449,
       28.11741719, 18.67996191, 21.59515998, 35.26835166, 35.72684936,
       24.86758266, 24.10298707, 15.63298048, 29.91089724, 17.73858371,
       15.66579636, 12.72751693, 25.67752193, 30.42846915, 24.23451387,
       21.21831042,  0.98960907, 26.86571219, 15.86202673, 19.76164988,
       24.74384217, 21.88867704])
'''

import seaborn as sns
sns.distplot(prediction_lasso)

sns.histplot(prediction_ridge)

五、对比三种回归的结果

linregrassor.mean_score
#结果：0.3532759243958823

ridgeregressor.best_score_
#结果：0.49798762179623085


lassoregressor.best_score_
#结果：0.431848787926522


对比可知：Ridge Regression和Lasso Regression在此数据上做线性回归优于Linear Regression

取名真难.

关注

21
点赞
踩
24

收藏

觉得还不错? 一键收藏
3
评论
Ridge & Lasso Regression解决线性回归的过拟合（Overfitting）（基于波士顿房价预测）

过拟合（Overfitting）是指机器学习模型过于复杂，过于精确地适应了训练数据，导致在新数据上的预测表现不佳的现象。当一个模型过拟合时，它会在训练数据上表现得非常好，但在测试数据或新数据上的表现则很差。过拟合通常发生在模型复杂度较高、参数较多的情况下。原因可能是模型过多地记住了训练数据的细节和噪声，而忽略了数据的一般特征和模式。过拟合也可能是由于训练数据不足或不平衡导致的。
复制链接

扫一扫