机器学习-8.线性回归

Posted 2022-12-02 wyply115

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习-8.线性回归相关的知识，希望对你有一定的参考价值。

1. 概述

定义：线性回归通过一个或多个自变量(理解为特征)与因变量(理解为目标值)之间进行建模的回归分析。其中可以为一个或多个自变量之间的线性组合（线性回归的一种）。
一元线性回归：涉及到的变量只有一个。
多元线性回归：涉及到的变量两个或两个以上。
通用公式： $h(w)=w_0+w_1x_1+w_2x_2+... = w^Tx$
其中w，x为矩阵：
$w=\\left(\\beginmatrixw_0\\\\w_1\\\\w_2\\endmatrix\\right),x=\\left(\\beginmatrix1\\\\x_1\\\\x_2\\endmatrix\\right)$
假设只有单特征（面积）计算目标值（房价）

我们需要做的是找出一条线（是个迭代计算的过程），这条线和图中的点的误差最小，即损失函数最小。
损失函数（就是误差的平方和）：
那么线性回归的目的就是：如何去求模型中的W，使得损失最小？
如何寻找这个W值，有两种求解方式：
1. 正规方程（非重点）：可以直接求到损失最低的点（但特征复杂时很难求出来）
2. 梯度下降

2. 正规方程与梯度下降

正规方程API：sklearn.linear_model.LinearRegression
梯度下降API：sklearn.linear_model.SGDRegressor
案例：预测波士顿房价，数据集在sklearn.datasets.load_boston中获取，下面是影响房价的特征：
正规方程方式：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler

def linear():
    '''
    线性回归预测房价
    :return: None
    '''
    # 获取数据
    lb = load_boston()

    # 分割数据
    x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)

    # 标准化,这里特征值和目标值都必须进行标准化处理
    std_1 = StandardScaler()
    x_train = std_1.fit_transform(x_train)
    x_test = std_1.transform(x_test)

    std_2 = StandardScaler()
    y_train = std_2.fit_transform(y_train.reshape(-1, 1))# 转换为2维数据
    y_test = std_2.transform(y_test.reshape(-1, 1))

    # estimator预测
    # 正规方程求解方式预测结果
    lr = LinearRegression()
    lr.fit(x_train, y_train)
    print(lr.coef_) # 回归系数，即W值
    y_predict = lr.predict(x_test)
    # 由于进行标准化了，所以y_predict需要转回来
    y_predict = std_2.inverse_transform(y_predict)

    print("测试集里每个房子的预测价格：", y_predict)

    return None

if __name__ == '__main__':
    linear()

输出结果部分截图：

梯度下降方式：

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import  SGDRegressor
from sklearn.preprocessing import StandardScaler

def linear():
    '''
    线性回归预测房价
    :return: None
    '''
    # 获取数据
    lb = load_boston()

    # 分割数据
    x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)

    # 标准化,这里特征值和目标值都必须进行标准化处理
    std_1 = StandardScaler()
    x_train = std_1.fit_transform(x_train)
    x_test = std_1.transform(x_test)

    std_2 = StandardScaler()
    y_train = std_2.fit_transform(y_train.reshape(-1, 1))# 转换为2维数据
    y_test = std_2.transform(y_test.reshape(-1, 1))

    # estimator预测
    # 梯度下降求解方式预测结果
    sgd = SGDRegressor()
    sgd.fit(x_train, y_train)
    print(sgd.coef_) # 回归系数，即W值
    y_predict = sgd.predict(x_test)
    # 由于进行标准化了，所以y_predict需要转回来
    y_predict = std_2.inverse_transform(y_predict)

    print("测试集里每个房子的预测价格：", y_predict)

    return None

if __name__ == '__main__':
    linear()

输出结果部分截图：

3. 回归性能评估

均方误差API：sklearn.metrics.mean_squared_error
以上面的案例中的梯度下降解法为基础，进行评估

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression, SGDRegressor
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error

def linear():
    '''
    线性回归预测房价
    :return: None
    '''
    # 获取数据
    lb = load_boston()

    # 分割数据
    x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)

    # 标准化,这里特征值和目标值都必须进行标准化处理
    std_1 = StandardScaler()
    x_train = std_1.fit_transform(x_train)
    x_test = std_1.transform(x_test)

    std_2 = StandardScaler()
    y_train = std_2.fit_transform(y_train.reshape(-1, 1))# 转换为2维数据
    y_test = std_2.transform(y_test.reshape(-1, 1))

    # estimator预测
    # 梯度下降求解方式预测结果
    sgd = SGDRegressor()
    sgd.fit(x_train, y_train)
    #print(sgd.coef_) # 回归系数，即W值
    y_predict = sgd.predict(x_test)
    # 由于进行标准化了，所以y_predict需要转回来
    y_predict = std_2.inverse_transform(y_predict)
    #print("测试集里每个房子的预测价格：", y_predict)

    # 均方误差进行性能评估
    mse = mean_squared_error(std_2.inverse_transform(y_test),y_predict)
    print("均方误差为：", mse)

    return None

if __name__ == '__main__':
    linear()

输出结果：均方误差为： 29.37517305937515

4. 正规方程与梯度下降对比

5. 过拟合与欠拟合

问题：训练数据训练的很好啊，误差也不大，为什么在测试集上面有问题呢？
欠拟合：一个假设在训练数据上不能获得很好的拟合，但是在训练数据以外的数据集上也不能很好的拟合数据，此时认为这个假设出现了欠拟合现象。（模型过于简单）
下图所示，机器学习到的天鹅特征太少，导致区分标准太粗糙，不能准确识别出天鹅。
过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在训练数据外的数据集上却不能很好的拟合数据，此时认为这个假设出现了过拟合现象。（模型过于复杂）
再比如下图所示，更直观的看出欠拟合和过拟合的情况。
欠拟合的原因：学到的数据的特征过少。
欠拟合解决办法：增加数据的特征数量。
过拟合原因：原始特征过多，存在一些嘈杂特征，模型过于复杂是因为模型尝试去兼顾各个测试数据点。
过拟合解决办法：

进行特征选择，消除关联性大的特征（很难做）
交叉验证（让所有数据都有过训练）
L2正则化

正则化解决过拟合的思想：不断尝试减少高次项特征的权重，趋近于0。
L2正则化作用：可以使得W的每个元素都很小，都接近于0。
优点：越小的参数说明模型越简单，越简单的模型则越不容易产生过拟合现象。

6. Ridge岭回归（带有正则化的线性回归）解决过拟合

API：sklearn.linear_model.Ridge

alpha取值，根据经验通常情况下会取：0到1之间的小数，或者1-10之间的整数。
官网给出的正则化力度和权重之间的关系图：正则化力度越大，权重越来越趋近于0（不会等于0）
案例：同上面的波士顿房价一样。

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.linear_model import Ridge
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error

def linear():
    '''
    线性回归预测房价
    :return: None
    '''
    # 获取数据
    lb = load_boston()

    # 分割数据
    x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)

    # 标准化,这里特征值和目标值都必须进行标准化处理
    std_1 = StandardScaler()
    x_train = std_1.fit_transform(x_train)
    x_test = std_1.transform(x_test)

    std_2 = StandardScaler()
    y_train = std_2.fit_transform(y_train.reshape(-1, 1))# 转换为2维数据
    y_test = std_2.transform(y_test.reshape(-1, 1))

    # 岭回归进行房价预测
    rd = Ridge(alpha=1.0) #alpha为超参数，可通过网格搜索找到更合适的值
    rd.fit(x_train, y_train)
    #print(rd.coef_)  # 回归系数，即W值
    y_predict = rd.predict(x_test)
    # 由于进行标准化了，所以y_predict需要转回来
    y_predict = std_2.inverse_transform(y_predict)
    #print("测试集里每个房子的预测价格：", y_predict)

    # 均方误差进行性能评估
    mse = mean_squared_error(std_2.inverse_transform(y_test), y_predict)
    print("均方误差为：", mse)

    return None

if __name__ == '__main__':
    linear()

输出：均方误差为： 33.48485484981214

线性回归LinearRegression与Ridge对比：
岭回归得到的回归系数更符合实际，更可靠。另外，能让估计参数的波动范围变小，变的更稳定。在存在病态数据偏多的研究中有较大的实用价值。

以上是关于机器学习-8.线性回归的主要内容，如果未能解决你的问题，请参考以下文章