前言
前面通过梯度上升法实现求解最佳回归系数,虽然能够达到不错的效果,但是实现过程需要进行大量的计算(dataMatrix*weights进行了300次相乘,实现过程)。所以对该算法进行改进。
随机梯度上升算法
梯度上升算法在每次更新回归系数的时候,都需要遍历整个数据集,所以在处理小的数据集的时候还不错,一旦数据集过大,计算复杂度就太大了。
可以一次只用一个样本点来更新回归系数,这就是随机梯度上升算法。
- 随机梯度上升
def stoc_grad_ascent(dataSet, labelSet, numIter=150):
m, n = shape(dataSet)
weights = ones(n)
# 随机梯度,循环150次,看是否收敛
for j in range(numIter):
dataIndex = list(range(m))
for i in range(m):
alpha = 4/(1.0+j+i)+0.01
randIndex = int(random.uniform(0, len(dataIndex)))
h = sigmoid(sum(dataSet[randIndex] * weights))
error = labelSet[randIndex] - h
weights = weights + alpha * error * dataSet[randIndex]
del (dataIndex[randIndex])
return weights
通过对alpha的改进,使得alpha在每次迭代时都会调整,缓解了因不能正确分类的样本点引起的数据的波动。并且alpha因迭代而不断减少,但因常数项的存在,永远不会为0。通过随机选取样本点更新回归系数。
- 完整代码
from numpy import *
from matplotlib import pyplot
def load_dataset():
"""加载数据集"""
dataSet = [] # 数据
labelSet = [] # 标签
fr = open('lr-testSet.txt')
for line in fr.readlines():
lineArr = line.strip().split()
if len(lineArr) == 1:
continue
# 为了便于后续计算,将数据集第一列值设为1.0
dataSet.append([1.0, float(lineArr[0]), float(lineArr[1])])
labelSet.append(int(lineArr[2]))
return dataSet, labelSet
def sigmoid(inX):
"""sigmoid函数"""
return 1.0 / (1 + exp(-inX))
def stoc_grad_ascent(dataSet, labelSet, numIter=150):
"""随机梯度上升算法"""
m, n = shape(dataSet)
weights = ones(n)
# 随机梯度,循环150次,看是否收敛
for j in range(numIter):
dataIndex = list(range(m))
for i in range(m):
alpha = 4/(1.0+j+i)+0.01
randIndex = int(random.uniform(0, len(dataIndex)))
h = sigmoid(sum(dataSet[randIndex] * weights))
error = labelSet[randIndex] - h
weights = weights + alpha * error * dataSet[randIndex]
del (dataIndex[randIndex])
return weights
def plot_best_fit(weights):
"""画样本点及逻辑回归拟合直线"""
dataSet, labelSet = load_dataset()
dataArr = array(dataSet)
n = shape(dataArr)[0] # 样本点个数(300)
xcord1 = []
ycord1 = []
xcord2 = []
ycord2 = []
for i in range(n):
if int(labelSet[i]) == 1:
xcord1.append(dataArr[i, 1])
ycord1.append(dataArr[i, 2])
else:
xcord2.append(dataArr[i, 1])
ycord2.append(dataArr[i, 2])
fig = pyplot.figure()
ax = fig.add_subplot(111)
# 1这类用红色方块表示
ax.scatter(xcord1, ycord1, s=60, c="red", marker='s')
# 0这类用绿色圆圈表示
ax.scatter(xcord2, ycord2, s=60, c="green", marker="o")
x = arange(-3.0, 3.0, 0.1)
y = (-weights[0]-weights[1]*x)/weights[2]
ax.plot(x, y)
pyplot.xlabel('X1')
pyplot.ylabel('X2')
pyplot.show()
# 测试
dataSet, labelSet = load_dataset()
lr_w = stoc_grad_ascent(array(dataSet), labelSet)
print("最佳回归系数:\n", lr_w)
plot_best_fit(lr_w)
输出结果
最佳回归系数:
[14.30257775 1.1537873 -2.16134931]
可视化结果: