说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
相关向量机(Relevance Vector Machine,简称RVM)是Micnacl E.Tipping于2000年提出的一种与SVM(Support Vector Machine)类似的稀疏概率模型,是一种新的监督学习方法。
它的训练是在贝叶斯框架下进行的,在先验参数的结构下基于主动相关决策理论(automatic relevance determination,简称ARD)来移除不相关的点,从而获得稀疏化的模型。在样本数据的迭代学习过程中,大部分参数的后验分布趋于零,与预测值无关,那些非零参数对应的点被称作相关向量(Relevance Vectors),体现了数据中最核心的特征。同支持向量机相比,相关向量机最大的优点就是极大地减少了核函数的计算量,并且也克服了所选核函数必须满足Mercer条件的缺点。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:
数据详情如下(部分展示):
3.数据预处理
3.1 用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据:
从上图可以看到,总共有6个字段。
关键代码:
3.2缺失值统计
使用Pandas工具的info()方法统计每个特征缺失情况:
从上图可以看到,数据不存在缺失值,总数据量为608条。
关键代码:
3.3描述性统计分析
通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息:
关键代码如下:
4.探索性数据分析
4.1 y变量折线图分布分析
用Pandas工具的value_counts().plot()方法进行统计绘图,如下:
从图中可以看到,变量y的数值存在一定的波动性。
4.2 y变量直方图
从图中可以看到,y变量成一定的正态分布。
4.3 变量的相关关系
从图中可以看到,变量x2 x3和变量y呈线性关系。
4.4 相关性分析
通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图:
从图中可以看到,正数为正相关,负数为负相关,绝对值越大相关性越强。
4.5 x5变量面积图
通过Matplotlib工具的fill_between()方法绘制面积图:
从上图可以看到x5变量数据分布还是相当均匀的。
5.特征工程
5.1 建立特征数据和标签数据
y为标签数据,除y之外的为特征数据。关键代码如下:
5.2 数据集拆分
数据集集拆分,分为训练集和测试集,80%训练集和20%测试集。关键代码如下:
6.构建相关向量机回归模型
主要使用RVR算法,用于目标回归。
6.1模型参数
7.模型评估
7.1评估指标及结果
评估指标主要包括可解释方差值、平均绝对误差、均方误差、R方值等等。
从上表可以看出,R方为100% 可解释方差值为100%,RVM回归模型比较优秀,效果非常好。
7.2 真实值与预测值对比图
从上图可以看出真实值和预测值波动基本一致,模型拟合效果非常棒。
8.结论与展望
综上所述,本文采用了RVM回归模型,最终证明了我们提出的模型效果很好。
# 读取数据 data = pd.read_excel("data.xlsx") # 用Pandas工具查看数据 print(data.head()) print('******************************') # 本次机器学习项目实战所需的资料,项目资源如下: 链接:https://pan.baidu.com/s/1efmGhzKi5QpdUA2jrNeG_w 提取码:r6se # 数据缺失值统计 print(data.info()) print('******************************') # 描述性统计分析 data.describe().to_excel('data_desc.xlsx') print(data.describe()) print('******************************') # y变量的折线图 plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体 plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 plt.plot(data.index, data['x1'], color='#F94306', label='x1') plt.xlabel("索引")