我怎样才能确保我从这个回归生成器中得到正确的结果？

Posted 2023-03-12

【中文标题】我怎样才能确保我从这个回归生成器中得到正确的结果？

【英文标题】：How can I ensure that I'm getting the correct results from this regression generator?

【发布时间】：2017-09-15 03:27:58

【问题描述】：

我编写了一个简单的脚本来生成和回归随机样本数据：

import matplotlib.pyplot as plt
import numpy as np
import random
import sklearn.datasets
import sklearn.linear_model as lm
##########################################
n = np.random.randint(1,10)
b = np.random.randint(50,200)
X1_, Y1_ = sklearn.datasets.make_regression(n_samples=100, n_features=1, noise=n, bias=b)
X1 = X1_.reshape(len(X1_), 1)
Y1 = Y1_.reshape(len(Y1_), 1)
##########################################
x = np.array(X1)
y = np.array(Y1)
##########################################
lr = lm.LinearRegression()
lr.fit(x, y)
td = np.arange(1, 101, 1).reshape(100, 1)
n_y = lr.predict(td)
##########################################
f, ax = plt.subplots(1, 2, sharey=True)
ax[0].scatter(x, y)
ax[0].set_xlim([-4, 4])
ax[0].set_title("x, y")
ax[1].plot(x, n_y, 'g')
ax[1].set_xlim([-4, 4])
ax[1].set_title("x_tr, y_lr")
f.suptitle("Regression")
plt.ylim(y.min()-1, y.max()+1)
##########################################
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("X1",  type(X1),  str(np.shape(X1)),  len(X1),   str(X1)))
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("Y1",  type(Y1),  str(np.shape(Y1)),  len(Y1),   str(Y1)))
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("x",   type(x),   str(np.shape(x)),   len(x),    str(x)))
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("y",   type(y),   str(np.shape(y)),   len(y),    str(y)))
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("td",  type(td),  str(np.shape(td)),  len(td),   str(td)))
print ("Array:   \nType:   \nShape:   \nLength:   \nData:   \n".format("n_y", type(n_y), str(np.shape(n_y)), len(n_y),  str(n_y)))
##########################################
plt.show()

虽然它似乎工作正常，没有错误，但我仍然担心准确性：回归线总是充满随机角度，而且形状奇怪。我该如何测试呢？是否有任何我应该注意的错误报告功能？

【参考方案1】：

您观察到的是因为您的数据是随机的。回归本质上是恢复生成数据的分布，因此具有讽刺意味的是，您试图恢复随机生成器的分布，而随机生成器本质上是试图隐藏其分布。

如果你想测试回归方法，你应该使用互联网上一些流行的机器学习数据集。例如：UCI ML 数据集集合（回归任务的过滤器）：http://archive.ics.uci.edu/ml/datasets.html