机器学习-10 线性回归及其相关算法

返回主页


本节讨论四个内容:
1、线性回归
2、多重共线性问题
3、岭回归
4、局部加权线性回归


线性回归(Linear Regression)是机器学习中解决 回归问题 的基本算法,往往作为回归任务的基线模型使用,“线性”是因为未知数的最高次幂为1次。

一元线性回归图示

1、定义数据集与特征空间

线性回归是典型的监督式学习

2、定义假设空间

特征和参数的维度+1表示加入截距项,如果不加截距拟合直线将强制过原点,预测效果往往比较差

3、定义目标函数(平方误差)

4、优化算法
因目标函数为凸函数,对目标数求一阶导并令其为零,得到 w 的解析解表达式(xTx的行列式不能为0):

5、多重共线性问题
概念:多重共线性是指线性回归模型中的 自变量 之间由于存在 高度相关性 而使模型估计失真或难以估计准确。具体而言,多重共线性会导致参数的 方差 变大,从而使预测不稳定,即自变量微小的变化将导致预测值巨大的波动。

检测:利用矩阵条件数检测

证明:为什么多重共线性会导致参数 方差 变大

6、岭回归(带二范数约束的回归模型)

L0 范数是指向量中非0的元素的个数
L1 范数是指向量中各个元素绝对值之和,也叫“稀疏规则算子”(Lasso regularization),它是L0范数的最优凸近似,但是不可导
L2 范数是指向量中各个元素的平方和然后求平方根,且可导

岭回归通过引入 L2 正则化项对参数 w 施加惩罚,缓解过拟合和多重共线性风险。

岭回归目标函数与优化

7、局部加权回归
局部加权是一种 非参数(non-parametric)思想,上文提到的线性回归是参数方法,因为它的参数经过学习是 固定 的,一旦将参数保存下来,不需要再保留训练集即可进行预测。而局部加权线性回归需要保留整个的训练集,在预测时需要利用已知训练集信息计算每个预测样本与训练集的相似度并赋予一定的权重,预测点离训练点越近权重越大,反之则越小,因此每个预测点对应的参数不同。

因此,它的目标函数需要加入一个权重参数,权重大小的衡量依据借鉴正态分布性质,样本越靠近权重越接近 1,反之越接近 0,(相似度的衡量能否设计其他的算法,待探索):

k 值过大,欠拟合;k 值过小,过拟合

因为要为每个预测点计算相似度,算法的时间复杂度为 O(N^2)


手写算法并与 Sklearn 进行对比

# -*- coding: utf-8 -*-
import os
import copy
import numpy as np
import pandas as pd
from sklearn.utils import shuffle
from sklearn.model_selection import train_test_split
from sklearn.linear_model import (LinearRegression, Ridge)
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt


class LinearReg(object):
    def __init__(self, lamb):
        self.lamb = lamb
    
    def z_scale(self, x_train):
        '''z标准化,在动用距离度量的算法中,必须先进行标准化以消除数据量纲的影响'''
        mu = np.mean(x_train, axis=0)
        std = np.std(x_train, axis=0)
        return mu, std
    
    def data_transform(self, mu, std, x_train, x_test):
        '''
        数据变换
        1、执行标准化操作
        2、插入截距项
        '''
        x_train_scale = (x_train - mu) / std
        x_test_scale = (x_test - mu) / std
        
        intercept_train = np.ones(x_train_scale.shape[0]).reshape(-1, 1)
        intercept_test = np.ones(x_test_scale.shape[0]).reshape(-1, 1)
        
        x_train_scale = np.concatenate([intercept_train, x_train_scale], axis=1)
        x_test_scale = np.concatenate([intercept_test, x_test_scale], axis=1)
        return x_train_scale, x_test_scale
    
    def get_loss(self, x_train_scale, y_train, w):
        '''计算损失函数值'''
        y_hat = x_train_scale.dot(w)
        loss = 0.5 * np.mean((y_train - y_hat)**2) + 0.5 * self.lamb * np.mean(w**2)
        return loss
    
    def fit(self, x_train_scale, y_train):
        '''模型训练, lambda = 0即为普通线性回归'''
        A = x_train_scale.T.dot(x_train_scale)
        M = np.eye(A.shape[0]) * self.lamb
        w = np.linalg.inv(A + M).dot(x_train_scale.T).dot(y_train)
        return w
    
    def predict(self, x_test_scale, w):
        '''模型预测'''
        y_pred = x_test_scale.dot(w)
        return y_pred
        

class LocallyWeightedReg(LinearReg):
    def __init__(self, k, lamb):
        self.k = k
        super(LocallyWeightedReg, self).__init__(lamb)
    
    def predict(self, x_train_scale, x_test_scale, y_train, y_test):
        '''模型预测'''
        # theta矩阵:预测集和训练集元素距离矩阵
        Theta = np.exp(-0.5 * dist.cdist(x_test_scale, x_train_scale)**2 / self.k**2)
        # 预测值保存
        y_pred = np.array([])
        # 对每个预测点进行循环
        for i in range(len(Theta)):
            theta_sample = np.eye(x_train_scale.shape[0]) * Theta[i, :] # 每个预测点与训练集的距离对角阵
            A = x_train_scale.T.dot(theta_sample).dot(x_train_scale)
            w_sample = np.linalg.inv(A).dot(x_train_scale.T).dot(theta_sample).dot(y_train)
            print(f"sample: {i}; w: {w_sample}")
            y_pred_sample = x_test_scale[i, :].dot(w_sample)
            y_pred = np.append(y_pred, y_pred_sample)
        return y_pred


      
if __name__ == "__main__":
    file_path = os.getcwd()
    dataSet = pd.read_csv(file_path + "/swiss_linear.csv")
    df = dataSet[["Fertility", "Agriculture", "Catholic", "InfantMortality"]]        
    
    x = df.iloc[:, 1: ]
    y = df.iloc[:, 0]        
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)        
    
    # 手写模型
    model = LinearReg(lamb=0.5)
    mu, std = model.z_scale(x_train)
    x_train_scale, x_test_scale = model.data_transform(mu, std, x_train, x_test)
    w = model.fit(x_train_scale, y_train)
    loss_train = model.get_loss(x_train_scale, y_train, w)
    y_pred = model.predict(x_test_scale, w)
    rmse = np.mean((y_test - y_pred)**2)
    print(f"LinearReg RMSE: {rmse}")
    
    # sklearn
    scale = StandardScaler(with_mean=True, with_std=True)
    scale.fit(x_train)
    x_train_scale = scale.transform(x_train)
    x_test_scale = scale.transform(x_test)
    
#    reg = LinearRegression(fit_intercept=True)
    reg = Ridge(alpha=0.5, fit_intercept=True)
    reg.fit(x_train_scale, y_train)
    w = reg.coef_
    b = reg.intercept_    
    y_pred = reg.predict(x_test_scale)
    rmse = np.mean((y_test - y_pred)**2)
    print(f"sklearn RMSE: {rmse}")
    
    # 画图
#    plt.figure(figsize=(8,6))
#    n_alphas = 20
#    alphas = np.logspace(-1,4,num=n_alphas)
#    coefs = []
#    for a in alphas:
#        ridge = Ridge(alpha=a, fit_intercept=False)
#        ridge.fit(X, y)
#        coefs.append(ridge.coef_[0])
#    ax = plt.gca()
#    ax.plot(alphas, coefs)
#    ax.set_xscale('log')
#    handles, labels = ax.get_legend_handles_labels()
#    plt.legend(labels=df.columns[1:-1])
#    plt.xlabel('alpha')
#    plt.ylabel('weights')
#    plt.axis('tight')
#    plt.show()
    
    # statsmodels
#    import statsmodels.api as sm #方法一
#    import statsmodels.formula.api as smf #方法二
#    est = sm.OLS(y, sm.add_constant(X)).fit() #方法一
#    est = smf.ols(formula='sales ~ TV + radio', data=df).fit() #方法二
#    y_pred = est.predict(X)
#    print(est.summary()) #回归结果
#    print(est.params) #系数

    model = LocallyWeightedReg(k=50)
    mu, std = model.z_scale(x_train)
    x_train_scale, x_test_scale = model.data_transform(mu, std, x_train, x_test)
    y_pred = model.predict(x_train_scale, x_test_scale, y_train, y_test)
    rmse = np.mean((y_test - y_pred)**2)
    print(f"LocallyWeightedReg RMSE: {rmse}")

LinearReg RMSE: 77.4638537052191
sklearn RMSE: 75.43038786488579
LocallyWeightedReg RMSE: 76.90550316746727

sample: 0; w: [70.44607336 3.92891665 4.27045562 4.66474541]
sample: 1; w: [70.44607321 3.92897979 4.27435879 4.66244306]
sample: 2; w: [70.44607258 3.93025749 4.27448647 4.66327313]
sample: 3; w: [70.4460735 3.92809796 4.27127147 4.66404582]
sample: 4; w: [70.44607662 3.93275617 4.26876574 4.6682018 ]
sample: 5; w: [70.44607404 3.9289215 4.2720904 4.6642848 ]
sample: 6; w: [70.44607343 3.92854954 4.27086921 4.66450444]
sample: 7; w: [70.44607319 3.92857968 4.27479848 4.66200071]
sample: 8; w: [70.44607402 3.92942195 4.27152206 4.66475568]
sample: 9; w: [70.44607426 3.92765904 4.27394164 4.66167854]


返回主页

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343

推荐阅读更多精彩内容