一、加载相关库
import numpy as np
import pandas as pd
二、数据预处理
data = pd.read_csv(r"boston.csv")
data.head()
三、编写方法实现梯度下降线性回归
class LinearRegression:
"""使用Python语言实现线性回归算法。(梯度下降)"""
def __init__(self, alpha, times):
"""初始化方法。
Parameters
-----
alpha : float
学习率。用来控制步长。(权重调整的幅度)
times : int
循环迭代的次数。
"""
self.alpha = alpha
self.times = times
def fit(self, X, y):
"""根据提供的训练数据,对模型进行训练。
Parameters
-----
X : 类数组类型。形状:[样本数量, 特征数量]
待训练的样本特征属性。(特征矩阵)
y : 类数组类型。形状:[样本数量]
目标值(标签信息)。
"""
X = np.asarray(X)
y = np.asarray(y)
# 创建权重的向量,初始值为0(或任何其他的值),长度比特征数量多1。(多出的一个值就是截距。)
self.w_ = np.zeros(1 + X.shape[1])
# 创建损失列表,用来保存每次迭代后的损失值。损失值计算: (预测值 - 真实值) 的平方和 除以2
self.loss_ = []
# 进行循环,多次迭代。在每次迭代过程中,不断的去调整权重值,使得损失值不断减小。
for i in range(self.times):
# 计算预测值
y_hat = np.dot(X, self.w_[1:]) + self.w_[0]
# 计算真实值与预测值之间的差距。
error = y - y_hat
# 将损失值加入到损失列表当中。
self.loss_.append(np.sum(error ** 2) / 2)
# 根据差距调整权重w_,根据公式: 调整为 权重(j) = 权重(j) + 学习率 * sum((y - y_hat) * x(j))
self.w_[0] += self.alpha * np.sum(error)
self.w_[1:] += self.alpha * np.dot(X.T, error)
def predict(self, X):
"""根据参数传递的样本,对样本数据进行预测。
Parameters
-----
X : 类数组类型,形状[样本数量, 特征数量]
待测试的样本。
Returns
-----
result : 数组类型。
预测的结果。
"""
X = np.asarray(X)
result = np.dot(X, self.w_[1:]) + self.w_[0]
return result
四、调用方法
lr = LinearRegression(alpha=0.0005, times=20)
t = data.sample(len(data), random_state=0)
train_X = t.iloc[:400, :-1]
train_y = t.iloc[:400, -1]
test_X = t.iloc[400:, :-1]
test_y = t.iloc[400:, -1]
lr.fit(train_X, train_y)
result = lr.predict(test_X)
display(np.mean((result - test_y) ** 2))
display(lr.w_)
display(lr.loss_)
五、标准化处理
class StandardScaler:
"""该类对数据进行标准化处理。"""
def fit(self, X):
"""根据传递的样本,计算每个特征列的均值与标准差。
Parameters
-----
X : 类数组类型
训练数据,用来计算均值与标准差。
"""
X = np.asarray(X)
self.std_ = np.std(X, axis=0)
self.mean_ = np.mean(X, axis=0)
def transform(self, X):
"""对给定的数据X,进行标准化处理。(将X的每一列都变成标准正态分布的数据)
Parameters
-----
X : 类数组类型
待转换的数据。
Returns
-----
result : 类数组类型。
参数X转换成标准正态分布后的结果。
"""
return (X - self.mean_) / self.std_
def fit_transform(self, X):
"""对数据进行训练,并转换,返回转换之后的结果。
Parameters
-----
X : 类数组类型
待转换的数据
Returns
-----
result : 类数组类型
参数X转换成标准正态分布后的结果。
"""
self.fit(X)
return self.transform(X)
六、调用方法
# 为了避免每个特征数量级的不同,从而在梯度下降的过程中带来影响,
# 我们现在考虑对每个特征进行标准化处理。
lr = LinearRegression(alpha=0.0005, times=20)
t = data.sample(len(data), random_state=0)
train_X = t.iloc[:400, :-1]
train_y = t.iloc[:400, -1]
test_X = t.iloc[400:, :-1]
test_y = t.iloc[400:, -1]
# 对数据进行标准化处理
s = StandardScaler()
train_X = s.fit_transform(train_X)
test_X = s.transform(test_X)
s2 = StandardScaler()
train_y = s2.fit_transform(train_y)
test_y = s2.transform(test_y)
lr.fit(train_X, train_y)
result = lr.predict(test_X)
display(np.mean((result - test_y) ** 2))
display(lr.w_)
display(lr.loss_)
七、数据可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.family"] = "SimHei"
mpl.rcParams["axes.unicode_minus"] = False
plt.figure(figsize=(10, 10))
# 绘制预测值
plt.plot(result, "ro-", label="预测值")
# 绘制真实值
plt.plot(test_y.values, "go--",label="真实值")
plt.title("线性回归预测-梯度下降")
plt.xlabel("样本序号")
plt.ylabel("房价")
plt.legend()
plt.show()
八、绘制累计误差值
# 绘制累计误差值
plt.plot(range(1, lr.times + 1), lr.loss_, "o-")
# 因为房价分析涉及多个维度,不方便进行可视化显示,为了实现可视化,
# 我们只选取其中的一个维度(RM),并画出直线,实现拟合。
lr = LinearRegression(alpha=0.0005, times=50)
t = data.sample(len(data), random_state=0)
train_X = t.iloc[:400, 5:6]
train_y = t.iloc[:400, -1]
test_X = t.iloc[400:, 5:6]
test_y = t.iloc[400:, -1]
# 对数据进行标准化处理
s = StandardScaler()
train_X = s.fit_transform(train_X)
test_X = s.transform(test_X)
s2 = StandardScaler()
train_y = s2.fit_transform(train_y)
test_y = s2.transform(test_y)
lr.fit(train_X, train_y)
result = lr.predict(test_X)
display(np.mean((result - test_y) ** 2))
plt.scatter(train_X["RM"], train_y)
# 查看方程系数
display(lr.w_)
# 构建方程 y = -3.03757020e-16 + 6.54984608e-01 * x
x = np.arange(-5, 5, 0.1)
y = -3.03757020e-16 + 6.54984608e-01 * x
# plt.plot(x, y, "r")
# 也可以这样做
plt.plot(x, lr.predict(x.reshape(-1, 1)), "r")