一、 岭回归简介
在处理复杂的数据的回归问题时,普通的线性回归会遇到一些问题。
简单线性回归最主要问题是对异常值敏感。在真实世界的数据收集过程中,经过会遇到错误的度量结果。而线性回归使用的普通最小二乘法,其目标是使平方误差最小化。这时,由于异常值误差的绝对值很大,因此破坏整个模型。
对此,我们引入正则化项的系数作为阈值来消除异常的影响。这个方法称为岭回归。
岭回归在最小二乘法的基础上加上了一个惩罚项。
损失函数:
二、岭回归器的构建
# 数据集存在异常点时,线性回归器的拟合效果不好,“被异常点带到沟里去了”
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(42) # 使得每次运行得到的随机数都一样
x=np.arange(10,20) # 自变量,随便定义的
error=np.random.normal(size=x.shape)
y=1.8*x+5.9+error # 添加随机数作为噪音
print('x={}'.format(x))
print('noise y={}'.format(y))
print('target y={}'.format(1.8*x+5.9))
代码运行结果:
x=[10 11 12 13 14 15 16 17 18 19]
noise y=[24.39671415 25.5617357 28.14768854 30.82302986 30.86584663 32.66586304
36.27921282 37.26743473 37.83052561 40.64256004]
target y=[23.9 25.7 27.5 29.3 31.1 32.9 34.7 36.5 38.3 40.1]
plt.scatter(x,y)
plt.plot(x,1.8*x+5.9,'-r') # 绘制的是红色的直线
plt.show()
# 以下加入两个异常点,再用线性回归器进行拟合
abnormal_x=[16.5,17.9]
abnormal_y=[25.98,24.12]
# 将异常点绘制出来
plt.scatter(abnormal_x,abnormal_y,marker='x')
# 将异常点加入到原数据集中,构建线性回归器进行拟合,绘制拟合直线
whole_x=np.append(x,abnorm