防止过拟合的方法 预测鸾凤花(sklearn)

Posted 2021-01-17 xingnie

1. 防止过拟合的方法有哪些？

过拟合（overfitting）是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。

产生过拟合问题的原因大体有两个：训练样本太少或者模型太复杂。 

防止过拟合问题的方法：

（1）增加训练数据。

考虑增加训练样本的数量

使用数据集估计数据分布参数，使用估计分布参数生成训练样本

使用数据增强

（2）减小模型的复杂度。

a.减少网络的层数或者神经元数量。这个很好理解，介绍网络的层数或者神经元的数量会使模型的拟合能力降低。
b.参数范数惩罚。参数范数惩罚通常采用L1和L2参数正则化（关于L1和L2的区别联系请戳这里）。
c.提前终止（Early stopping）；
d.添加噪声。添加噪声可以在输入、权值，网络相应中添加。
e.结合多种模型。这种方法中使用不同的模型拟合不同的数据集，例如使用 Bagging，Boosting，Dropout、贝叶斯方法

 

而在深度学习中，通常解决的方法如下

Early stopping方法的具体做法是，在每一个Epoch结束时（一个Epoch集为对所有的训练数据的一轮遍历）计算validation data的accuracy，当accuracy不再提高时，就停止训练。

获取更多数据（从数据源头获取更多数据      根据当前数据集估计数据分布参数，使用该分布产生更多数据    数据增强（Data Augmentation））

正则化（直接将权值的大小加入到 Cost 里，在训练的时候限制权值变大）

dropout:在训练时，每次随机（如50%概率）忽略隐层的某些节点；

 

 

2. 使用逻辑回归(Logistic Regression)对鸢尾花数据（多分类问题）进行预测，可以直接使用sklearn中的LR方法，并尝试使用不同的参数，包括正则化的方法，正则项系数，求解优化器，以及将二分类模型转化为多分类模型的方法。
获取鸢尾花数据的方法：
from sklearn.datasets import load_iris
X, y = load_iris(return_X_y=True)

 

print(__doc__)


# Code source: Ga?l Varoquaux
# Modified for documentation by Jaques Grobler
# License: BSD 3 clause

import numpy as np
import matplotlib.pyplot as plt
from sklearn import linear_model, datasets

# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2]  # we only take the first two features.
Y = iris.target

h = .02  # step size in the mesh

logreg = linear_model.LogisticRegression(C=1e5)

# we create an instance of Neighbours Classifier and fit the data.
logreg.fit(X, Y)

# Plot the decision boundary. For that, we will assign a color to each
# point in the mesh [x_min, x_max]x[y_min, y_max].
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
Z = logreg.predict(np.c_[xx.ravel(), yy.ravel()])

# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.figure(1, figsize=(4, 3))
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)

# Plot also the training points
plt.scatter(X[:, 0], X[:, 1], c=Y, edgecolors=‘k‘, cmap=plt.cm.Paired)
plt.xlabel(‘Sepal length‘)
plt.ylabel(‘Sepal width‘)

plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.xticks(())
plt.yticks(())

plt.show()