机器学习（三）—python实现最小二乘法

机器学习（三）—python实现最小二乘法

本节用python实现最小二乘法。

2.最小二乘法

2.1 线性回归

• 主要是解决线性问题，无法解决非线性问题。线性回归过程主要解决的是如何通过样本获取最佳的拟合线，最常用的方法是 最小二乘法。

2.2 最小二乘法

ps：在古代，“平方”的称谓为“二乘”，故得最小二乘法。

2.2.1 数据拟合法和插值法

• 数据拟合法不必过所有的数据点，关注数据的变化趋势。
• 插值法必须经过所有的数据点。

2.2.2 原理

一种数学优化技术，通过最小化残差的平方和寻找数据的最佳函数匹配。在数理统计中，残差是指实际观察值与估计值之间的差。力求总的拟合误差（即总残差）达到最小。

2.2.3 最小二乘法的求解过程

2.2.4 python实现最小二乘法（预测学生身高体重为例）

拟合曲线

# 拟合曲线
import numpy as np
import matplotlib.pyplot as plt
import scipy as sp
from scipy.optimize import leastsq

# 样本数据
# 身高数据
Xi = np.array([162, 165, 159, 173, 157, 175, 161, 164, 172, 158])
# 体重数据
Yi = np.array([48, 64, 53, 66, 52, 68, 50, 52, 64, 49])


# 需要拟合的函数func（）指定函数的形状
def func(p, x):
    k, b = p
    return k*x + b


# 定义偏差函数，x，y为数组中对应Xi,Yi的值
def error(p, x, y):
    return func(p, x) - y


# 设置k，b的初始值，可以任意设定，经过实验，发现p0的值会影响cost的值：Para[1]
p0 = [1, 20]

# 把error函数中除了p0以外的参数打包到args中,leastsq()为最小二乘法函数
Para = leastsq(error, p0, args=(Xi, Yi))
# 读取结果
k, b = Para[0]
print('k=', k, 'b=', b)

# 画样本点
plt.figure(figsize=(8, 6))
plt.scatter(Xi, Yi, color='red', label='Sample data', linewidth=2)

# 画拟合直线
x = np.linspace(150, 180, 80)
y = k * x + b

# 绘制拟合曲线
plt.plot(x, y, color='blue', label='Fitting Curve', linewidth=2)
plt.legend()  # 绘制图例

plt.xlabel('Height:cm', fontproperties='simHei', fontsize=12)
plt.ylabel('Weight:Kg', fontproperties='simHei', fontsize=12)

plt.show()

计算残差

# 计算残差
import numpy as np
import matplotlib.pyplot as plt
import scipy as sp
from scipy.optimize import leastsq
from statsmodels.graphics.api import qqplot

# 样本数据
# 身高数据
Xi = np.array([162, 165, 159, 173, 157, 175, 161, 164, 172, 158])
# 体重数据
Yi = np.array([48, 64, 53, 66, 52, 68, 50, 52, 64, 49])

# 定义变量
xy_res=[]
# 定义计算残差函数
def residual(x,y):
    res = y - (0.4211697*x-8.2883026)               # 计算残差
    return res                                      # 返回残差

# 循环读取残差
for d in range(0,len(Xi)):
    res = residual(Xi[d], Yi[d])
    xy_res.append(res)

print(xy_res)
# 计算残差平方和，和越小表明拟合的情况越好
xy_res_pingfangsum = np.dot(xy_res,xy_res)
print(xy_res_pingfangsum)

# 如果数据拟合模型效果好，残差应该遵从正态分布（0，d*d），d表示残差

# 画样本点
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111)           # 添加一个子图
fig = qqplot(np.array(xy_res),line='q',ax=ax)  # 设置参数


plt.show()

PS：其中的fig.add_subplot(111)，
111代表的是画布11的第一个区域。
222则代表22的第二个区域。