🌈🌈🌈机器学习 实战系列 总目录
本篇文章的代码运行界面均在Pycharm中进行
本篇文章配套的代码资源已经上传
手撕线性回归1之线性回归类的实现
手撕线性回归2之单特征线性回归
手撕线性回归3之多特征线性回归
手撕线性回归4之非线性回归
1、整体流程简介
- 拿到数据data
- 数据预处理操作(归一化、标准化)
- 怎么样的x和k组合能够更加准确的拟合出真实值
- 使用梯度下降算法GD(Gradient Descent)
- 通过GD让loss和k之间达到一个收敛关系(这个过程Scikit-learn自动帮我们完成),完成梯度下降算法就可以把线性回归算出来了。
- 单个特征和多个特征做对比,在代码中实现出来
2、初始化操作
初始化函数就是将数据处理成机器学习所需要格式与范围,并且把每一个数据都对应好标签,标签也就是真实值,并且将数据分为训练集、验证集、测试集等(具体根据任务设定)
import numpy as np
from utils.features import prepare_for_training
class LinearRegression:
def __init__(self,data,labels,polynomial_degree = 0,sinusoid_degree = 0,normalize_data=True):
(data_processed, features_mean, features_deviation) = prepare_for_training(data, polynomial_degree, sinusoid_degree,normalize_data=True)
self.data = data_processed
self.labels = labels
self.features_mean = features_mean
self.features_deviation = features_deviation
self.polynomial_degree = polynomial_degree
self.sinusoid_degree = sinusoid_degree
self.normalize_data = normalize_data
num_features = self.data.shape[1]
self.theta = np.zeros((num_features,1))
- 导包
- 定义一个线性回归类
- 初始化函数定义:初始化操作需要传进来等下需要用到的一些值(数据、标签、多项式特征的最高次数、非线性变换、预处理)
- 经过预处理操作
- 把定义好的数据拿过来(python特有的)
- self.data.shape[1]表示数据有多少列,num_features即特征个数
- theta就是k有多少个,一个特征对应一个k
3、训练
3.1 预测函数
@staticmethod
def hypothesis(data,theta):
predictions = np.dot(data,theta)
return predictions
预测函数是将原始数据data与权重参数theta进行矩阵的点乘形成的计算结果,第一次计算时,theta是随机产生的(可以自己设置成满足正态分布等)
3.2 参数更新函数
def gradient_step(self,alpha):
num_examples = self.data.shape[0]
prediction = LinearRegression.hypothesis(self.data,self.theta)
delta = prediction - self.labels
theta = self.theta
theta = theta - alpha*(1/num_examples)*(np.dot(delta.T,self.data)).T
self.theta = theta
- num_examples:样本个数(data.shape[0]是行数,data.shape[1]列数)
- prediction:预测值(得到预测值,用线性回归LinearRegression类调用预测函数hypothesis,将参数和原始数据穿进去)
- delta :预测值减去真实值
δ = d e l t a = ( h θ ( x k ) − y k ) δ=delta =(h_θ(x^k)-y^k) δ=delta=(hθ(xk)−yk) - theta :训练得到参数,
θ
1
θ_1
θ1对应的是
x
1
x_1
x1,以此类推
theta 更新公式: θ j = θ j − α 1 10 ∑ k = i i + 9 δ x j k θ_j = θ_j - α\frac{1}{10}\sum_{k=i}^{i+9}δx_j^k θj=θj−α101k=i∑i+9δxjk - self.theta = theta,返回更新的参数
参数更新函数就是调用了预测函数,计算delta ,按照参数更新公式更新参数theta
3.3 损失函数
def cost_function(self,data,labels):
"""
损失计算方法
"""
num_examples = data.shape[0]
delta = LinearRegression.hypothesis(self.data,self.theta) - labels
cost = (1/2)*np.dot(delta.T,delta)/num_examples
return cost[0][0]
损失函数就是计算出预测值和真实之间的差异大小的函数。
损失不会是多少样本就计算多少损失,是计算每次平均的损失
num_examples :样本个数
delta :就是预测值减去真实值
cost :就是计算delta 每个差值的平方再除以2,再除以样本个数
3.4 梯度下降函数
def gradient_descent(self,alpha,num_iterations):
cost_history = []
for _ in range(num_iterations):
self.gradient_step(alpha)
cost_history.append(self.cost_function(self.data,self.labels))
return cost_history
梯度下降函数实际上就是将参数更新函数和损失函数执行多次,因为将所有的数据都会训练一次,每一次的批量都会执行一次参数更新,每次更新的同时也会记录损失。
cost_history 可以将每次的损失记录下来,cost_function可以计算出损失,通过原始数据得到预测值在和真实值之间做差别计算 。
3.5训练函数
def train(self,alpha,num_iterations = 500):
cost_history = self.gradient_descent(alpha,num_iterations)
return self.theta,cost_history
alpha:学习率
num_iterations :迭代次数
cost_history:保存的所有损失值
训练函数调用梯度下降函数,返回损失,定义迭代次数,一次迭代就是将整个数据集完全训练一次
4、测试
测试集也需要自己的计算损失和进行预测的函数,测试集就不参与训练和参数更新了
4.1 获取当前损失
def get_cost(self,data,labels):
data_processed = prepare_for_training(data,
self.polynomial_degree,
self.sinusoid_degree,
self.normalize_data
)[0]
return self.cost_function(data_processed,labels)
prepare_for_training是数据预处理函数
cost_function是损失计算的函数
4.2 测试集预测函数
def predict(self,data):
"""
用训练的参数模型,与预测得到回归值结果
"""
data_processed = prepare_for_training(data,
self.polynomial_degree,
self.sinusoid_degree,
self.normalize_data
)[0]
predictions = LinearRegression.hypothesis(data_processed,self.theta)
return predictions
先是预处理数据,再把处理后的数据和theta传进预测函数,就可以得到预测结果了,这里专门在测试过程中实现的。
手撕线性回归1之线性回归类的实现
手撕线性回归2之单特征线性回归
手撕线性回归3之多特征线性回归
手撕线性回归4之非线性回归