python对于一元线性回归模型_机器学习3- 一元线性回归+Python实现

[toc]

1. 线性模型

给定 $d$ 个属性描述的示例 $\boldsymbol{x} = (x_1; x_2; ...; x_d)$，其中 $x_i$ 为 $\boldsymbol{x}$ 在第 $i$ 个属性上的取值，线性模型（linear model）试图学得一个通过属性的线性组合来进行预测的函数，即：

$$

f(\boldsymbol{x}) = w_1x_1 + w_2x_2 + ... + w_dx_d +b \tag{1.1}

$$

使用向量形式为：

$$

f(\boldsymbol{x}) = \boldsymbol{w}^T\boldsymbol{x}+b \tag{1.2}

$$

其中 $\boldsymbol{w} = (w_1;w_2;...;w_d)$，表达了各属性在预测中的重要性。

2. 线性回归

给定数据集 $D = \lbrace(\boldsymbol{x}_1,{y}_1), (\boldsymbol{x}_2,{y}_2), ..., (\boldsymbol{x}m,{y}m)\rbrace$，其中 $\boldsymbol{x}i = (x{i1}; x{i2}; ...; x{id})$，$y_i \in \mathbb{R}$。线性回归（linear regression）试图学得一个能尽可能准确地预测真实输出标记的线性模型，即：

$$

f(\boldsymbol{x}_i) = \boldsymbol{w}^T\boldsymbol{x}_i+b \text{，使得} f(\boldsymbol{x}_i) \simeq y_i\tag{2.1}

$$

2.1 一元线性回归

先只考虑输入属性只有一个的情况，$D = \lbrace({x}_1,{y}_1), ({x}_2,{y}_2), ..., ({x}_m,{y}_m)\rbrace$，$x_i \in \mathbb{R}$。对离散属性，若属性值存在序（order）关系，可通过连续化将其转化为连续值。

> 如”高度“属性的取值“高”、“中”、“低”，可转化为${1.0, 0.5, 0.0}$。

若不存在序关系，则假定有 $k$ 种可能的属性值，将其转化为 $k$ 维向量。

> 如“瓜类”属性的取值有“冬瓜”、“西瓜”、“南瓜”，可转化为 $(0,0,1),(0,1,0),(1,0,0)$。

线性回归试图学得：

$$

f(x_i) = wx_i+b\text{，使得}f(x_i)\simeq y_i \tag{2.2}

$$

为使 $f(x_i)\simeq y_i$，即：使 $f(x)$ 与 $y$ 之间的差别最小化。

考虑回归问题的常用性能度量——均方误差（亦称平方损失（square loss）），即让均方误差最小化：

$$

\begin{aligned}

(w^,b^) = \underset{(w,b)}{arg\ min}\sum_{i=1}^m(f(x_i)-y_i)^2 \

= \underset{(w,b)}{arg\ min}\sum_{i=1}^m(y_i-wx_i-b)^2

\end{aligned}

\tag{2.3}

$$

$w^,b^$ 表示 $w$ 和 $b$ 的解。

均方误差对应了欧几里得距离，简称欧氏距离（Euclidean distance）。

基于均方误差最小化来进行模型求解的方法称为最小二乘法（least square method）。在线性回归中，就是试图找到一条直线，使得所有样本到直线上的欧氏距离之和最小。

下面需要求解 $w$ 和 $b$ 使得 $E_{(w,b)} = \sum\limits_{i=1}^m(y_i-wx_i-b)^2$ 最小化，该求解过程称为线性回归模型的最小二乘参数估计（parameter estimation）。

$E_{(w,b)}$ 为关于 $w$ 和 $b$ 的凸函数，当它关于 $w$ 和 $b$ 的导数均为 $0$ 时，得到 $w$ 和 $b$ 的最优解。将 $E_{(w,b)}$ 分别对 $w$ 和 $b$ 求导数得：

$$

\frac{\partial{E_{(w,b)}}}{\partial(w)} = 2\Big(w\sum_{i=1}^m x_i^2 - \sum_{i=1}^m (y_i-b)x_i\Big) \tag{2.4}

$$

$$

\frac{\partial{E_{(w,b)}}}{\partial(b)} = 2\Big(mb - \sum_{i=1}^m (y_i-wx_i)\Big) \tag{2.5}

$$

令式子 (2.4) 和 (2.5) 为 $0$ 得到 $w$ 和 $b$ 的最优解的闭式（closed-form）解：

$$

w = \frac{\sum_\limits{i=1}^m y_i(x_i-\overline{x})}{\sum\limits_{i=1}^m x_i^2 - \frac{1}{m}\Big(\sum\limits_{i=1}^m x_i\Big)^2} \tag{2.6}

$$

$$

b = \frac{1}{m}\sum_{i=1}^m (y_i-wx_i) \tag{2.7}

$$

其中 $\overline{x} = \frac{1}{m}\sum\limits_{i=1}^m x_i$ 为 $x$ 的均值。

3. 一元线性回归的Python实现

现有如下训练数据，我们希望通过分析披萨的直径与价格的线性关系，来预测任一直径的披萨的价格。

其中 Diameter 为披萨直径，单位为“英寸”；Price 为披萨价格，单位为“美元”。

3.1 使用 stikit-learn

3.1.1 导入必要模块

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from sklearn.linear_model import LinearRegression

3.1.2 使用 Pandas 加载数据

pizza = pd.read_csv("pizza.csv", index_col='Id')

pizza.head() # 查看数据集的前5行

3.1.3 快速查看数据

我们可以使用 matplotlib 画出数据的散点图，x 轴表示披萨直径，y 轴表示披萨价格。

def runplt():

plt.figure()

plt.title("Pizza price plotted against diameter")

plt.xlabel('Diameter')

plt.ylabel('Price')

plt.grid(True)

plt.xlim(0, 25)

plt.ylim(0, 25)

return plt

dia = pizza.loc[:,'Diameter'].values

price = pizza.loc[:,'Price'].values

print(dia)

print(price)

plt = runplt()

plt.plot(dia, price, 'k.')

plt.show()

[ 6 8 10 14 18]

[ 7. 9. 13. 17.5 18. ]

3.1.4 使用 stlearn 创建模型

model = LinearRegression() # 创建模型

X = dia.reshape((-1,1))

y = price

model.fit(X, y) # 拟合

X2 = [[0], [25]] # 取两个预测值

y2 = model.predict(X2) # 进行预测

print(y2) # 查看预测值

plt = runplt()

plt.plot(dia, price, 'k.')

plt.plot(X2, y2, 'g-') # 画出拟合曲线

plt.show()

[ 1.96551724 26.37284483]

这里 fit()方法学得了一元线性回归模型 $f(x) = wx+b$，这里 $x$ 指披萨的直径，$f(x)$ 为预测的披萨的价格。

fit() 的第一个参数 X 为 shape(样本个数，属性个数) 的数组或矩阵类型的参数，代表输入空间；

第二个参数 y 为 shape(样本个数,) 的数组类型的参数，代表输出空间。

3.1.5 模型评估

成本函数（cost function）也叫损失函数（lost function），用来定义模型与观测值的误差。

模型预测的价格和训练集数据的差异称为训练误差（training error）也称残差（residuals）。

plt = runplt()

plt.plot(dia, price, 'k.')

plt.plot(X2, y2, 'g-')

# 画出残差

yr = model.predict(X)

for index, x in enumerate(X):

plt.plot([x, x], [y[index], yr[index]], 'r-')

plt.show()

根据最小二乘法，要得到更高的性能，就是让均方误差最小化，而均方误差就是残差平方和的平均值。

print("均方误差为: %.2f" % np.mean((model.predict(X)-y) ** 2))

均方误差为: 1.75

3.2 手动实现

3.2.1 计算 w 和 b

$w$ 和 $b$ 的最优解的闭式（closed-form）解为：

$$

w = \frac{\sum_\limits{i=1}^m y_i(x_i-\overline{x})}{\sum\limits_{i=1}^m x_i^2 - \frac{1}{m}\Big(\sum\limits_{i=1}^m x_i\Big)^2} \tag{2.6}

$$

$$

b = \frac{1}{m}\sum_{i=1}^m (y_i-wx_i) \tag{2.7}

$$

其中 $\overline{x} = \frac{1}{m}\sum\limits_{i=1}^m x_i$ 为 $x$ 的均值。

下面使用 Python 计算 $w$ 和 $b$ 的值：

w = np.sum(price * (dia - np.mean(dia))) / (np.sum(dia**2) - (1/dia.size) * (np.sum(dia))**2)

b = (1 / dia.size) * np.sum(price - w * dia)

print("w = %f\nb = %f" % (w, b))

y_pred = w * dia + b

plt = runplt()

plt.plot(dia, price, 'k.') # 样本点

plt.plot(dia, y_pred, 'b-') # 手动求出的线性回归模型

plt.plot(X2, y2, 'g-.') # 使用LinearRegression.fit()求出的模型

plt.show()

w = 0.976293

b = 1.965517

可以看到两条直线重合，我们求出的回归模型与使用库求出的回归模型相同。

3.2.2 功能封装

将上述代码封装成类：

class LinearRegression:

"""

拟合一元线性回归模型

Parameters

----------

x : shape 为(样本个数,)的 numpy.array

只有一个属性的数据集

y : shape 为(样本个数,)的 numpy.array

标记空间

Returns

-------

self : 返回 self 的实例.

"""

def __init__(self):

self.w = None

self.b = None

def fit(self, x, y):

self.w = np.sum(y * (x - np.mean(x))) / (np.sum(x**2) - (1/x.size) * (np.sum(x))**2)

self.b = (1 / x.size) * np.sum(y - self.w * x)

return self

def predict(self, x):

"""

使用该线性模型进行预测

Parameters

----------

x : 数值 或 shape 为(样本个数,)的 numpy.array

属性值

Returns

-------

C : 返回预测值

"""

return self.w * x + self.b

使用：

# 创建并拟合模型

model = LinearRegression()

model.fit(dia, price)

x2 = np.array([0, 25]) # 取两个预测值

y2 = model.predict(x2) # 进行预测

print(y2) # 查看预测值

runplt()

plt.plot(dia, price, 'b.')

plt.plot(x2, y2, 'y-') # 画出拟合

plt.show()

[ 1.96551724 26.37284483]

此文原创禁止转载，转载文章请联系博主并注明来源和出处，谢谢！

作者: Raina_RLN https://www.cnblogs.com/raina/

关于找一找教程网

本站文章仅代表作者观点，不代表本站立场，所有文章非营利性免费分享。

本站提供了软件编程、网站开发技术、服务器运维、人工智能等等IT技术文章，希望广大程序员努力学习，让我们用科技改变世界。

[机器学习3- 一元线性回归+Python实现]http://www.zyiz.net/tech/detail-123168.html