线性回归模型|机器学习|回归算法

---

1.线性回归模型

1.1 一元线性回归模型

简单的讲，一元线性模型就是指只有一个特征量，然后对应带有一个标签（结果）。一元线性回归模型一般如下：
$$y=wx+b$$

其中 $w$ 代表权重、$b$ 代表偏移量、$x$ 代表特征值、$y$ 代表标签（该特征值对应结果）。一般结果图如下：

1.2多元线性回归模型

我们主要讨论的还是多元回归模型，多元回归模型只是在一元回归模型上的简单拓展，比如说特征值变成了多个，权重变成了多个，但是偏移量和标签同样只有一个，多元线性回归模型一般如下：
$$y=b+w_1{x}_1+w_2{x}_2+...w_n{x}_n$$

现在式子很长，为了更好的描述该模型，我们想到可以用矩阵来简化表达式，但是现在表达式中有一个单独的 $b$ 很烦，为了统一我们修改表达式如下：
$$y={\theta }_0{x}_0+{\theta }_1{x}_1+{\theta }_2{x}_2+...{\theta }_n{x}_n$$

其中 $b={\theta }_0,x_0=1$ ，然后将x前面的系数统一使用 $\theta$ 进行表示。然后我们就可以使用矩阵进行简化表达式：
$$Y=\theta X$$

其中 $\theta =({\theta }_0,{\theta }_1,...{\theta }_n),X=(x_0,,x_1,...x_n)$ ，那么我们怎么判断哪条直线对应的拟合效果好呢？这时就需要计算每条直线对应的损失函数，损失函数小的直线更优。

1.3损失函数

损失函数顾名思义就是计算相对于原来各点所损失的数值的函数。这里我们使用最小二乘法，对应的损失函数如下：
$$J(\theta )=(Y-\hat{Y}{)}^2=(Y-\theta X{)}^2=(Y-\theta X{)}^T(Y-\theta X)$$

具体就是求每个特征点对应的真实值与预测值之间的差的平方和，其中 Y 为(m,1) 的矩阵（m个特征点），X 为 (m,n+1) 的矩阵（每个特征点有n个特征值+x₀），回归系数 θ 为 (n+1,1) 的矩阵。

我们对 θ 求导，并令其导数等于0，可以得到：
$$X^T(Y-\theta X)=0$$

解得：
$$\theta =(X^{T}X{)}^{-1}{X}^{T}Y$$

---

2.相关代码

2.1LinearRegression类

# 定义类LinearRegression
class LinearRegression :
    # 初始化线性回归模型，我们最终要求的就是theta矩阵
    def __init__(self):
        self.theta = None
        
    # 通过代码实现theta的求解，输入原本的X和y，注意X需要添加一列1作为x0    
    def fit(self,xArr,yArr):
        xMat = np.mat(xArr) # 将数据转化为矩阵
        yMat = np.mat(yArr).T # 将数据转化为矩阵，并进行转置（因为我们传入的是一行数据，需要变为一列数据）
        xTx = xMat.T*xMat # 矩阵xMat转置后相乘
        # 判断矩阵xTx是否是奇异矩阵，如果是的话无法继续求解
        if np.linalg.det(xTx) == 0.0:
            print("这个矩阵是奇异的，不可求逆")
            return
        self.theta = xTx.I * (xMat.T*yMat) # 根据最优解的求解公式，求theta值
    
    # 对测试数据进行预测，输入的test_data是原本的X，我们要使用theta求得对应的预测值
    def predict(self,test_data):     
        test_data = np.mat(test_data) # 将数据转化为矩阵
        predict = test_data*self.theta #通过得到的theta值，对数据进行预测
        return predict

2.2求解代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 读取数据
data = pd.read_csv('/data/shixunfiles/a9c0cae754a52e4dc23c3d05a3cd7414_1577260243539.csv')

# 提取特征值和真实值，X提取最后一列之前的所有列，y提取最后一列标签列（注意：由于该文件已经插入了第一列x0，所以不需要再手动使用代码添加）
X = data.iloc[:,:-1].values
y = data.iloc[:,-1].values

# 建立模型，并训练模型
lr = LinearRegression()
lr.fit(X,y)

# 对数据进行预测，为了求拟合曲线，因此使用原始数据进行预测
ypredict = lr.predict(X)

这是对应csv文件中的部分数据，由于已经添加了第一列1，所以就不用手动进行添加了，下标为1的列表示x，下标为2的列表示y。（简单的一元线性回归模型）

2.3绘图代码

import matplotlib.pyplot as plt
import seaborn as sns;
sns.set()
plt.scatter(data.iloc[:,1],data.iloc[:,2])
plt.plot(data.iloc[:,1],ypredict,color='black')

---

3.直接调库使用

$\bullet$ 实际在使用时，不需要自己实现线性回归的模型，此时我们直接调库即可；

$\bullet$ 格式为：from sklearn.linear_model import LinearRegression

$\bullet$ 常用方法如下：

方法格式	含义
fit(X,y)	拟合线性回归模型，X为特征值矩阵，y为标签向量
predict(X)	得到模型预测的结果向量，X为输入特征值矩阵