线性回归

约 4405 字大约 15 分钟

2025-01-31

步骤分析

Step 1：回归问题概述
线性回归是一种监督学习方法，用于根据输入特征预测连续的目标变量。
最小二乘法是线性回归的核心，目标是通过找到一条最佳拟合直线（或超平面），最小化预测值与真实值之间的误差平方和。
- 应用场景：房价预测、销售预测等。
- 假设：特征与目标之间存在线性关系，误差服从正态分布。
Step 2：线性回归模型
- 数据集： $X = \{x_1, x_2, \dots, x_n\}$ ，其中 $x_i \in \mathbb{R}^d$ 是 $d$ 维特征向量；目标值 $y = \{y_1, y_2, \dots, y_n\}$ ， $y_i \in \mathbb{R}$ 是连续值。
- 模型：假设预测值为线性函数：
  $\hat{y}_i = w_0 + w_1 x_{i1} + w_2 x_{i2} + \dots + w_d x_{id} = w^T x_i$
  其中：
  - $w = [w_0, w_1, \dots, w_d]^T$ 是权重向量（ $w_0$ 为截距）。
  - $x_i = [1, x_{i1}, x_{i2}, \dots, x_{id}]^T$ （添加偏置项 1）。
- 目标函数（损失函数）：最小化误差平方和（Sum of Squared Errors, SSE）： $J(w) = \sum_{i=1}^n (y_i - \hat{y}_i)^2 = \sum_{i=1}^n (y_i - w^T x_i)^2$ 或矩阵形式： $J(w) = (y - Xw)^T (y - Xw)$ 其中： - $X \in \mathbb{R}^{n \times (d+1)}$ 是特征矩阵。 - $y \in \mathbb{R}^n$ 是目标向量。
  解释： $J(w)$ 衡量预测值 $\hat{y}_i$ 与真实值 $y_i$ 的总偏差，目标是找到使 $J(w)$ 最小的 $w$ 。
Step 3：算法流程（最小二乘法）
损失函数：
$J(w) = (y - Xw)^T (y - Xw)$
最小二乘法通过解析解或迭代优化求解最佳权重 $w$ 。
- 步骤 1：定义目标并求解
  为了最小化 $J(w)$ ，对 $w$ 求导并令导数为零： $\frac{\partial J}{\partial w} = -2 X^T (y - Xw) = 0$ 解得： $X^T X w = X^T y$
- 步骤 2：计算权重
  如果 $X^T X$ 可逆，直接求解： $w = (X^T X)^{-1} X^T y$ 这称为正规方程（Normal Equation），是最小二乘法的解析解。
- 步骤 3：预测
  用计算出的 $w$ 预测新样本： $\hat{y} = X_{\text{new}} w$
  注意：若 $X^T X$ 不可逆（比如特征共线性），需要正则化（如岭回归）或数值方法。
Step 4：假设与限制
最小二乘法依赖以下假设：
- 线性假设：特征与目标之间是线性关系。
- 独立性：样本之间相互独立。
- 正态误差：误差 $\epsilon = y - \hat{y}$ 服从均值为 0 的正态分布。
- 同方差：误差的方差在所有样本上相同。
- 限制： - 对噪声和异常值敏感。 - 当特征数 $d$ 接近或超过样本数 $n$ 时， $X^T X$ 可能不可逆。
  解释：违反假设可能导致模型偏差增大或不稳定。
Step 5：优化与评估
线性回归的效果需要评估和优化：
- 评估指标：
  - 均方误差（MSE）： $\text{MSE} = \frac{1}{n} \sum_{i=1}^n (y_i - \hat{y}_i)^2$
  - 决定系数（ $R^2$ ）：衡量模型对数据的解释能力，取值 $[0, 1]$ ，越接近 1 越好： $R^2 = 1 - \frac{\sum (y_i - \hat{y}_i)^2}{\sum (y_i - \bar{y})^2}$ 其中 $\bar{y}$ 是目标均值。
- 优化方法： - 特征选择：去除不相关或共线性的特征。 - 正则化：引入 L2（岭回归）或 L1（Lasso）惩罚，避免过拟合。 - 梯度下降：当数据量大或 $X^T X$ 不可逆时，可用迭代法替代正规方程： $w \leftarrow w - \eta \frac{\partial J}{\partial w}$ 其中 $\eta$ 是学习率。
  提示
  最小二乘法(OLS)是一种通过最小化数据点和回归模型之间误差的平方和来求解回归模型参数的方法，即使 MSE 最小化。(MSE: 均方误差) 以几何的角度来说，最小二乘法就是在多维空间中找到一个最优的超平面，使得数据点与该超平面之间的误差最小化。
  Tips：线性回归实现可参考 scikit-learn 的 LinearRegression。

原始数据

线性拟合

linear_regression.py

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
matplotlib.use('TkAgg')
# 一些基础参数配置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

np.random.seed(42)

X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

plt.plot(X, y, 'b.')
plt.xlabel('X_1')
plt.ylabel('y')
plt.axis([0, 2, 0, 15])
plt.show()

X_b = np.c_[np.ones((100, 1)), X] # 加入偏置项
theta_best = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y)
print("通过最小二乘法计算的权重：\n",theta_best)

X_new = np.array([[0],[2]])
X_new_b = np.c_[np.ones((2, 1)), X_new]
y_predict = X_new_b.dot(theta_best)
print("通过最小二乘法预测的数据(x=2 和 x=9)：\n", y_predict)

plt.plot(X_new, y_predict, 'r--')
plt.plot(X, y, 'b.')
plt.axis([0, 2, 0, 15])
plt.show()

"""
通过sklearn工具包的LinearRegression库实现的线性回归算法
"""
from sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(X,y)

print("========通过sklearn工具包的LinearRegression库========")
print("k=", lin_reg.coef_)
print("b=", lin_reg.intercept_)

原始数据

二次拟合

多项式回归拟合

polynomial_regression.py

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

matplotlib.use('TkAgg')
# 一些基础参数配置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

np.random.seed(42)

m = 100
X = 6 * np.random.rand(m, 1) - 3
y = 0.5 * X ** 2 + X + np.random.randn(m, 1)

# 绘制散点图
plt.plot(X, y, "b.")
plt.xlabel('X_1')
plt.ylabel('y')
plt.axis([-3, 3, -5, 9])
plt.show()

from sklearn.preprocessing import PolynomialFeatures

# 引入二次项特征
poly_features = PolynomialFeatures(degree=2, include_bias=False)

X_ploy = poly_features.fit_transform(X)  # X_ploy[x] = [x, x^2]

from sklearn.linear_model import LinearRegression

lin_reg = LinearRegression()
# 数据拟合
lin_reg.fit(X_ploy, y)

X_new = np.linspace(-3, 3, num=100).reshape(100, 1)
X_new_ploy = poly_features.transform(X_new)
y_new = lin_reg.predict(X_new_ploy)

plt.plot(X, y, "b.")
plt.plot(X_new, y_new, "r--")
plt.title("Polynomial Regression")
plt.xlabel('X')
plt.ylabel('y')
plt.axis([-3, 3, -5, 9])
plt.show()

# 针对不同的degree参数进行数据拟合
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
plt.figure(figsize=(12,6))
for style, width, degree in (('g-', 1, 100), ('b-', 1, 2), ('r-+', 1, 1)):
    poly_features = PolynomialFeatures(degree=degree, include_bias=False)
    std = StandardScaler()
    lin_reg = LinearRegression()
    poly_reg = Pipeline([('poly_features', poly_features), ('StandardScaler', std), ('LinearRegression', lin_reg)])
    poly_reg.fit(X, y)
    y_new = poly_reg.predict(X_new)
    plt.plot(X_new, y_new, style,label=str(degree) ,linewidth=width)
plt.plot(X, y, "b.")
plt.xlabel('X')
plt.ylabel('y')
plt.axis([-3, 3, -5, 9])
plt.legend(loc='upper right')
plt.show()

数据样本数量对结果的影响

training_set_size_influence.py

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

matplotlib.use('TkAgg')
# 一些基础参数配置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

np.random.seed(42)

m = 100
X = 6 * np.random.rand(m, 1) - 3
y = 0.5 * X ** 2 + X + np.random.randn(m, 1)

from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
def plot_learning_curves(model, X, y):
    X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=1)
    train_errors, val_errors = [], []
    for m in range(1, len(X_train)):
        # 对于不同数量的测试数据，进行数据拟合
        model.fit(X_train[:m], y_train[:m])
        y_train_predict = model.predict(X_train[:m])
        y_val_predict = model.predict(X_val)
        # 训练集MSE & 验证机MSE    MSE: 均方误差
        train_errors.append(mean_squared_error(y_train[:m], y_train_predict[:m]))
        val_errors.append(mean_squared_error(y_val, y_val_predict))

    plt.plot(np.sqrt(train_errors), 'r-', linewidth=2, label='Train Error')
    plt.plot(np.sqrt(val_errors), 'b-', linewidth=3, label='Validation Error')
    plt.xlabel('Training Set Size')
    plt.ylabel('RMSE')
    plt.legend(loc='upper right')

lin_reg = LinearRegression()
plot_learning_curves(lin_reg, X, y)
plt.axis([0, 80, 0, 3])
plt.show()

岭回归实验结果

岭回归:
$\min_{\theta} \left( \sum_{i=1}^{m} (y_i - \mathbf{x}_i^T \boldsymbol{\theta})^2 + \alpha \sum_{j=1}^{n} \theta_j^2 \right)$
Lasso:
$\min_{\theta} \left( \sum_{i=1}^{m} (y_i - \mathbf{x}_i^T \boldsymbol{\theta})^2 + \alpha \sum_{j=1}^{n} |\theta_j| \right)$
$y_i$ 是实际目标值。
${x}_i$ 是输入特征向量。
$\theta$ 是模型参数向量。
$\alpha$ 是正则化参数，控制模型复杂度，防止过拟合。

1. L1 正则化（Lasso Regularization）

定义：L1 正则化通过在损失函数中添加模型参数的绝对值之和（L1 范数）来约束模型。
- 公式：损失函数 = 原始损失（例如均方误差） + λ * Σ|w_i|
- 其中：
  - w_i 是模型的参数（权重）。
  - λ 是一个超参数（正则化强度），控制正则化的强度。λ 越大，正则化的效果越强。
特点：
- 稀疏性：L1 正则化倾向于让部分参数变为 0，从而产生稀疏模型（即许多权重为 0）。这在特征选择中非常有用，因为它可以帮助识别最重要的特征。
- 几何解释：L1 范数在参数空间中对应于一个菱形区域，优化过程会在菱形与损失函数的等高线相交处找到解，容易产生角点（即某些参数为 0）。
- 适用场景：当你希望模型具有稀疏性或需要特征选择时（例如高维数据），L1 正则化非常合适。
缺点：
- 对特征缩放敏感（不同特征的尺度差异可能会影响结果）。
- 解可能不唯一（在某些情况下）。

2. L2 正则化（Ridge Regularization）

定义：L2 正则化通过在损失函数中添加模型参数的平方和（L2 范数）来约束模型。
- 公式：损失函数 = 原始损失（例如均方误差） + λ * Σ(w_i²)
- 其中：
  - w_i 是模型的参数（权重）。
  - λ 是一个超参数，控制正则化的强度。
特点：
- 平滑性：L2 正则化倾向于让参数值变小（接近 0，但通常不会完全为 0），从而使模型权重分布更均匀，避免过拟合。
- 几何解释：L2 范数在参数空间中对应于一个圆形（或球形）区域，优化过程会在圆形与损失函数的等高线相交处找到解，通常不会产生角点，因此参数不会为 0。
- 适用场景：L2 正则化适用于大多数回归和分类问题，尤其是当你希望模型的所有特征都保留但权重较小时。
缺点：
- 不具有稀疏性（不能直接用于特征选择）。
- 对特征缩放同样敏感，通常需要对数据进行标准化（例如将特征缩放到均值为 0、方差为 1）。

| 特性 | L1 正则化（Lasso） | L2 正则化（Ridge） | | ---------- | ---------------------------- | ------------------------------ | --- | ------- | | 数学形式 | Σ | w_i | | Σ(w_i²) | | 参数稀疏性 | 倾向于让某些参数为 0（稀疏） | 参数不会为 0（平滑） | | 特征选择 | 适合（自然进行特征选择） | 不适合（所有特征权重都会保留） | | 稳定性 | 对噪声敏感，解可能不唯一 | 更稳定，解通常唯一 | | 计算复杂度 | 可能需要专门的优化算法 | 通常更容易优化（二次项） |

ridge.py

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures, StandardScaler

matplotlib.use('TkAgg')
# 一些基础参数配置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

np.random.seed(42)

m = 100
X = 6 * np.random.rand(m, 1) - 3
y = 0.5 * X ** 2 + X + np.random.randn(m, 1)

from sklearn.linear_model import Ridge

np.random.seed(42)
m = 20
X = 3 * np.random.randn(m, 1)
y = 0.5 * X + np.random.randn(m, 1) / 1.5 + 1
X_new = np.linspace(0, 3, 100).reshape(100, 1)


def plot_model(model_class, poly, alphas, **model_kwargs):
    # 创(Ridge回归模型，传入alpha和其它参数
    for alpha, style in zip(alphas, ('b-', 'g--', 'r:')):
        model = model_class(alpha, **model_kwargs)
        if poly:
            model = Pipeline(
                [('poly_features', PolynomialFeatures(degree=10, include_bias=False)), ('Std', StandardScaler()),
                 ('ridge_regressor', model)])
        model.fit(X, y)
        y_new_predict = model.predict(X_new)
        lw = 2 if alpha > 0 else 1
        plt.plot(X_new, y_new_predict, style, linewidth=lw, label='alpha={}'.format(alpha))

    plt.plot(X, y, 'b.', linewidth=3)
    plt.axis([0, 3, 0, 2.5])
    plt.legend(loc='upper right')

# Ridge
plt.figure(figsize=(10, 5))

plt.subplot(121)
plot_model(Ridge, poly=False, alphas=(0, 10, 100))

plt.subplot(122)
plot_model(Ridge, poly=True, alphas=(0, 10 ** -5, 1))

plt.show()

lasso.py

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures, StandardScaler

matplotlib.use('TkAgg')
# 一些基础参数配置
plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

np.random.seed(42)

m = 100
X = 6 * np.random.rand(m, 1) - 3
y = 0.5 * X ** 2 + X + np.random.randn(m, 1)

from sklearn.linear_model import Ridge

np.random.seed(42)
m = 20
X = 3 * np.random.randn(m, 1)
y = 0.5 * X + np.random.randn(m, 1) / 1.5 + 1
X_new = np.linspace(0, 3, 100).reshape(100, 1)


def plot_model(model_class, poly, alphas, **model_kwargs):
    # 创(Ridge回归模型，传入alpha和其它参数
    for alpha, style in zip(alphas, ('b-', 'g--', 'r:')):
        model = model_class(alpha, **model_kwargs)
        if poly:
            model = Pipeline(
                [('poly_features', PolynomialFeatures(degree=10, include_bias=False)), ('Std', StandardScaler()),
                 ('ridge_regressor', model)])
        model.fit(X, y)
        y_new_predict = model.predict(X_new)
        lw = 2 if alpha > 0 else 1
        plt.plot(X_new, y_new_predict, style, linewidth=lw, label='alpha={}'.format(alpha))

    plt.plot(X, y, 'b.', linewidth=3)
    plt.axis([0, 3, 0, 2.5])
    plt.legend(loc='upper right')

# Lasso
from sklearn.linear_model import Lasso
plt.figure(figsize=(10,5))

plt.subplot(121)
plot_model(Lasso, poly=False, alphas=(0,0.1,1))

plt.subplot(122)
plot_model(Lasso, poly=True, alphas=(0,10**-1,1))


plt.show()

案例（糖尿病数据集）

plot_ols_cn.py

"""
==============================
Ordinary Least Squares Example
最小二乘法示例
==============================

This example shows how to use the ordinary least squares (OLS) model
called :class:`~sklearn.linear_model.LinearRegression` in scikit-learn.
这个例子向我们展示如何在scikit-learn使用最小二乘法模型。

For this purpose, we use a single feature from the diabetes dataset and try to
predict the diabetes progression using this linear model. We therefore load the
diabetes dataset and split it into training and test sets.
为了达到这个目的，我们从糖尿病数据集中利用了一个特征和尝试用线性模型去预测糖尿病进程。因此
我们加载了这个糖尿病数据集并将他们分为了训练集和测试集。

Then, we fit the model on the training set and evaluate its performance on the test
set and finally visualize the results on the test set.
之后，我们利用模型对训练集进行拟合并在测试集中评估他的性能，最后可视化测试集结果。
"""

# %%
# Data Loading and Preparation
# 数据加载与预处理
# ----------------------------
#
# Load the diabetes dataset. For simplicity, we only keep a single feature in the data.
# Then, we split the data and target into training and test sets.
# 加载糖尿病数据集。为了简化，我们只保留了数据中的一个特征。
# 之后我们将数据和目标分为了训练集和测试集。

import matplotlib
matplotlib.use('TkAgg')
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
# X 是特征矩阵，包含多个特征（列）； y 是目标向量，表示糖尿病进展的定量测量
X, y = load_diabetes(return_X_y=True) # 加载糖尿病数据集
X = X[:, [2]]  # Use only one feature
# 测试集包含 20 个样本，且不进行随机打乱
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=20, shuffle=False)

# %%
# Linear regression model
# 线性回归模型
# -----------------------
#
# We create a linear regression model and fit it on the training data. Note that by
# default, an intercept is added to the model. We can control this behavior by setting
# the `fit_intercept` parameter.
# 我们创建了一个线性回归模型并将它用在训练集上进行数据拟合。
# 默认情况下，模型会添加一个截距。我们可以通过设置这个`fit_intercept`参数控制这一行为。

from sklearn.linear_model import LinearRegression
# 线性回归，进行数据拟合
regressor = LinearRegression().fit(X_train, y_train)

# %%
# Model evaluation
# 模型评价
# ----------------
#
# We evaluate the model's performance on the test set using the mean squared error
# and the coefficient of determination.
# 我们使用均方误差和确定系数评估这个模型在测试集上的表现。


from sklearn.metrics import mean_squared_error, r2_score

y_pred = regressor.predict(X_test)

print(f"Mean squared error: {mean_squared_error(y_test, y_pred):.2f}")
print(f"Coefficient of determination: {r2_score(y_test, y_pred):.2f}")

# %%
# Plotting the results
# --------------------
#
# Finally, we visualize the results on the train and test data.
import matplotlib.pyplot as plt

fig, ax = plt.subplots(ncols=2, figsize=(10, 5), sharex=True, sharey=True)

ax[0].scatter(X_train, y_train, label="Train data points")
ax[0].plot(
    X_train,
    regressor.predict(X_train),
    linewidth=3,
    color="tab:orange",
    label="Model predictions",
)
ax[0].set(xlabel="Feature", ylabel="Target", title="Train set")
ax[0].legend()

ax[1].scatter(X_test, y_test, label="Test data points")
ax[1].plot(X_test, y_pred, linewidth=3, color="tab:orange", label="Model predictions")
ax[1].set(xlabel="Feature", ylabel="Target", title="Test set")
ax[1].legend()

fig.suptitle("Linear Regression")

plt.show()

# %%
# Conclusion
# ----------
#
# The trained model corresponds to the estimator that minimizes the mean squared error
# between the predicted and the true target values on the training data. We therefore
# obtain an estimator of the conditional mean of the target given the data.
#
# Note that in higher dimensions, minimizing only the squared error might lead to
# overfitting. Therefore, regularization techniques are commonly used to prevent this
# issue, such as those implemented in :class:`~sklearn.linear_model.Ridge` or
# :class:`~sklearn.linear_model.Lasso`.

plot_ols.py

"""
==============================
Ordinary Least Squares Example
==============================

This example shows how to use the ordinary least squares (OLS) model
called :class:`~sklearn.linear_model.LinearRegression` in scikit-learn.

For this purpose, we use a single feature from the diabetes dataset and try to
predict the diabetes progression using this linear model. We therefore load the
diabetes dataset and split it into training and test sets.

Then, we fit the model on the training set and evaluate its performance on the test
set and finally visualize the results on the test set.
"""
# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

# %%
# Data Loading and Preparation
# ----------------------------
#
# Load the diabetes dataset. For simplicity, we only keep a single feature in the data.
# Then, we split the data and target into training and test sets.
import matplotlib
matplotlib.use('TkAgg')
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
X, y = load_diabetes(return_X_y=True)
X = X[:, [2]]  # Use only one feature
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=20, shuffle=False)

# %%
# Linear regression model
# -----------------------
#
# We create a linear regression model and fit it on the training data. Note that by
# default, an intercept is added to the model. We can control this behavior by setting
# the `fit_intercept` parameter.
from sklearn.linear_model import LinearRegression

regressor = LinearRegression().fit(X_train, y_train)

# %%
# Model evaluation
# ----------------
#
# We evaluate the model's performance on the test set using the mean squared error
# and the coefficient of determination.
from sklearn.metrics import mean_squared_error, r2_score

y_pred = regressor.predict(X_test)

print(f"Mean squared error: {mean_squared_error(y_test, y_pred):.2f}")
print(f"Coefficient of determination: {r2_score(y_test, y_pred):.2f}")

# %%
# Plotting the results
# --------------------
#
# Finally, we visualize the results on the train and test data.
import matplotlib.pyplot as plt

fig, ax = plt.subplots(ncols=2, figsize=(10, 5), sharex=True, sharey=True)

ax[0].scatter(X_train, y_train, label="Train data points")
ax[0].plot(
    X_train,
    regressor.predict(X_train),
    linewidth=3,
    color="tab:orange",
    label="Model predictions",
)
ax[0].set(xlabel="Feature", ylabel="Target", title="Train set")
ax[0].legend()

ax[1].scatter(X_test, y_test, label="Test data points")
ax[1].plot(X_test, y_pred, linewidth=3, color="tab:orange", label="Model predictions")
ax[1].set(xlabel="Feature", ylabel="Target", title="Test set")
ax[1].legend()

fig.suptitle("Linear Regression")

plt.show()

# %%
# Conclusion
# ----------
#
# The trained model corresponds to the estimator that minimizes the mean squared error
# between the predicted and the true target values on the training data. We therefore
# obtain an estimator of the conditional mean of the target given the data.
#
# Note that in higher dimensions, minimizing only the squared error might lead to
# overfitting. Therefore, regularization techniques are commonly used to prevent this
# issue, such as those implemented in :class:`~sklearn.linear_model.Ridge` or
# :class:`~sklearn.linear_model.Lasso`.

Rookie

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

np.random.rand(42)

x = np.random.rand(100, 1) * 2
y = 3 * x + 1 + np.random.rand(100, 1)

lin_reg = LinearRegression()
lin_reg.fit(x, y)

print(lin_reg.coef_)
print(lin_reg.intercept_)

y_pred = lin_reg.predict(x)
plt.scatter(x, y)
plt.plot(x, y_pred, color='red')
plt.title("Linear Regression")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()

测试案例

P1

"""
1.使用sklearn中线性回归函数，对给定数据data.txt线性拟合，
给定训练样本格式如下：
2104,3,399900
1600,3,329900
2400,3,369000
1416,2,232000

其中前两列是数据特征，最后一列是标签。
提示：
（1）特征正规化处理；
（2）使用data =np.loadtxt("data.txt", delimiter=",", dtype=np.float64)加载数据。
求解：给定样本特征[1650,3]，预测结果是多少？给出代码与运行结果图。
"""

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler

data = np.loadtxt("data.txt", delimiter = ",", dtype = np.float64)
x = data[:, 0:2]
y = data[:, 2:3]

scaler = StandardScaler()
x_scaler = scaler.fit_transform(x)

lin_reg = LinearRegression()
lin_reg.fit(x_scaler, y)

x_new = np.array([[1650,3]])
x_new_scaler = scaler.transform(x_new)
y_pred = lin_reg.predict(x_new_scaler)

print(y_pred)

线性回归

步骤分析

简单线性回归代码

原始数据

线性拟合

多项式回归

原始数据

二次拟合

多项式回归拟合

数据样本数量对结果的影响

数据样本数量对结果的影响

岭回归和 Lasso(正则化)

岭回归实验结果

1. L1 正则化（Lasso Regularization）

2. L2 正则化（Ridge Regularization）

3. L1 和 L2 的对比

案例（糖尿病数据集）

Rookie

测试案例

P1