一、回归的定义
回归是针对连续变量而言的,比如房屋价格、天气温度等,这些问题有很多影响因素,比如影响房屋价格的因素有位置、是否学区等,通过对这些因素进行回归分析可以得到一个系数,从而预测接下来的房价走势。
二、线性模型
我们进行线性回归分析,其本质是要求出w这个矩阵,即变量的系数。再利用现实中的数据代入方程式中即可得到预测结果。但在预测的过程中肯定不会能完全准确,所以势必会有一些信息的损失。在一元变量中,其结果如下:
上图中的直线为预测值,点为真实值,可以看出拟合过程是有一定差距的。在多元中为:
定义一个损失函数:将真实值与预测值做差再进行平方,可得到一个二次方程组,我们的目的是要找到一个w,使该方程组的值最小。
单变量的损失函数可直观的如下图所示:
直接求解w最小值,一步到位。
在训练数据量过大时,一步到位可能难度过大,且效果不好。此时我们需要另外一种最小化损失函数的方法——梯度下降法
先任意确定一个点,沿着函数的方向往下找,不断更新w的值,直至w最小。
正规方程和梯度下降的API分别为:
sklearn.linear_model.LinearRegression:正规方程
sklearn.linear_model.SGDRegressor:梯度下降
(一)线性回归:波士顿房价
# 导入相关模块
# 导入数据集
from sklearn.datasets import load_boston
# 导入线性回归相关API
from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge, LogisticRegression
# 导入分割数据集API
from sklearn.model_selection import train_test_split
# 导入特征值处理API
from sklearn.preprocessing import StandardScaler
# 导入评估模型API
from sklearn.metrics import mean_squared_error, classification_report
# 实例化数据集
lb = load_boston()
# print(lb.DESCR)
# print("特征值为:", lb.data)
# print("目标值为:", lb.target)
# 将数据集划分为训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target)
# 特征值处理,标准化特征值和目标值【如果不对目标值进行标准化处理,w的值就会失真】;标准化两个处理的api进行处理
std_x = StandardScaler