用 scikit-learn 拟合一维数据来预测线

Posted 2023-03-12

【中文标题】用 scikit-learn 拟合一维数据来预测线

【英文标题】：Fit one-dimensional data with scikit-learn to predict line

【发布时间】：2017-08-13 15:50:00

【问题描述】：

我用 scikit-learn 编写了代码来为一维玩具数据构建 SVR 预测模型，然后用 matplotlib 绘制它。

蓝线是真实数据。具有线性内核的模型符合一条不错的线，但对于 2 级内核，预测不是我所期望的。我想要一个模型来预测蓝线的值略低于橙色线的预测值。我画了一条黑线来形象化我的想法。

为什么会这样？数据似乎是 2 次多项式的一个很好的候选者。黑色趋势线跟随真实数据，然后在右边很晚地减少，如果我只看这个，应该比绿线提供的拟合更好阴谋。不应该根据数据找到具有 2 次多项式的模型吗？它也会在靠近蓝线的 X = 0 处很好地弯曲，而不是在该处具有更高估计 y 值的曲率。

如何实现我想要的模型？

下面的代码是完整且独立的，运行它得到上面的图（减去画黑线）

# some data
y = [0, 3642, 6414, 9844, 13210, 16072, 18868, 22275, 25551, 28949, 31680, 34412, 37290, 39858, 42557, 
    45094, 47354, 49547, 51874, 54534, 55987, 55987, 58377, 60767, 63109, 65060, 66865, 68540, 70328, 
    72035, 73905, 75791, 77873, 79791, 81775, 83726]
X = range(0, len(y))
X_longer = range(0, len(y)*2)

# train models
from sklearn.svm import SVR
import numpy as np
clf_1 = SVR(kernel='poly', C=1e3, degree=1)
clf_2 = SVR(kernel='poly', C=1e3, degree=2)

clf_1.fit(np.array(X).reshape(-1, 1), y)
clf_2.fit(np.array(X).reshape(-1, 1), y)

%matplotlib inline
import matplotlib as mpl
import matplotlib.pyplot as plt

# plot real data
plt.plot(X, y, linewidth=8.0, label='true data')

predicted_1_y = []
predicted_2_y = []

# predict data points based on models
for i in X_longer:
    predicted_1_y.append(clf_1.predict(np.array([i]).reshape(-1, 1)))
    predicted_2_y.append(clf_2.predict(np.array([i]).reshape(-1, 1)))

# plot model predictions
plt.plot(X_longer, predicted_1_y, linewidth=6.0, ls=":", label='model, degree 1')
plt.plot(X_longer, predicted_2_y, linewidth=6.0, ls=":", label='model, degree 2')

plt.legend(loc='upper left')
plt.show()

【参考方案1】：

发生这种情况是因为线性和二次特征最终总是会向上或向下增长。您需要像平方根或对数这样的运算来获取所需的衰减特征。

一种简单的方法是在拟合之前转换输入信号。例如，假设一个平方根趋势：

X = np.array(X)[:,None]**2
clf = SVR(kernel='linear').fit(X, y) 

对于更一般的用例，如果你真的不知道你想要的趋势，或者不想假设这样的特定转换，你可以尝试像 Eureqa 这样的回归工具来计算最佳转换和数学模型可能。

【讨论】：

只是说它最终总会上升或下降并不能真正解释任何事情。他想要的趋势线可能是一个二次趋势，直到向右一定距离才会下降。

@BrenBarn 我想这取决于他最终想要什么。如果没有像这样的更严格的约束，很难控制模型如何推断或超出数据的范围。

@BrenBarn 写的也是我的假设。上面的代码没有运行，TypeError: list indices must be integers, not tuple.