黑马程序员---三天快速入门Python机器学习（第三天）（上）

2022-10-29 170

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 黑马程序员---三天快速入门Python机器学习（第三天）

四、回归与聚类算法

4.1 线性回归

学习目标：

记忆线性回归的原理过程

应用LinearRegression或SGDRegressor实现回归预测

记忆回归算法的评估标准及其公式

4.1.1 线性回归的原理

1 线性回归应用场景

2 什么是线性回归

不同权重加权

2）线性回归的特征与目标的关系分析

广义线性模型

4.1.2 线性回归的损失和优化原理

1 损失函数：最小二乘法

2 优化算法

正规方程：直接求解W

梯度下降：试错，改进

正规方程：直接求解W

梯度下降（Gradient Descent）

4.1.3 线性回归API

1）线性回归：

sklearn.linear_model.LinearRegression(fit_intercept=True)

fit_intercept：是否计算偏置

LinearRegression.coef_：回归系数

LinearRegression.intercept_：偏置

2）梯度下降：

sklearn.linear_model.SGDRegressor(loss="squared_loss", fit_intercept=True, learning_rate='invscaling', eta0=0.01

SGDRegressor类实现了随机梯度下降学习，它支持不同的loss函数和正则化惩罚项来拟合线性回归模型

loss：损失类型

loss=“squared_loss”：普通最小二乘法

fit_intercept：是否计算偏置

learning_rate：string，optional

学习率填充

‘constant’：eta=eta0

‘optimal’：eta=1.0 / (alpha*(t+t0)) [default]

‘invscaling’：eta=eta0 / pow(t, power_t)

SGDRegression.coef_：回归系数

SGDRegression.intercept_：偏置

4.1.4 波士顿房价预测

流程：

1）获取数据集

2）划分数据集

3）特征工程：无量纲化 - 标准化

4）预估器流程：fit() -> 模型，coef_ intercept_

5）模型评估

2 回归性能评估

均方误差（Mean Squared Error）（MSE）评价机制

sklearn.metrics.mean_squared_error(y_ture, y_pred)

均方误差回归损失

y_true：真实值

y_pred：预测值

return：浮点数结果

3 代码

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression, SGDRegressor
from sklearn.metrics import mean_squared_error
def linner1():
    """
    正规方程的优化方法
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)
    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4）预估器
    estimator = LinearRegression()
    estimator.fit(x_train, y_train)
    # 5）得出模型
    print("正规方程权重系数为：\n", estimator.coef_)
    print("正规方程偏置为：\n", estimator.intercept_)
    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n", y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("正规方程-均分误差为：\n", error)
    return None
def linner2():
    """
    梯度下降的优化方法
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    print("特征数量：\n", boston.data.shape)  # 几个特征对应几个权重系数
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)
    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4）预估器
    estimator = SGDRegressor(learning_rate="constant", eta0=0.001, max_iter=10000)
    estimator.fit(x_train, y_train)
    # 5）得出模型
    print("梯度下降权重系数为：\n", estimator.coef_)
    print("梯度下降偏置为：\n", estimator.intercept_)
    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n", y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("梯度下降-均分误差为：\n", error)
    return None
if __name__ == '__main__':
    linner1()
    linner2()

正规方程权重系数为：
 [-0.64817766  1.14673408 -0.05949444  0.74216553 -1.95515269  2.70902585
 -0.07737374 -3.29889391  2.50267196 -1.85679269 -1.75044624  0.87341624
 -3.91336869]
正规方程偏置为：
 22.62137203166228
预测房价：
 [28.22944896 31.5122308  21.11612841 32.6663189  20.0023467  19.07315705
 21.09772798 19.61400153 19.61907059 32.87611987 20.97911561 27.52898011
 15.54701758 19.78630176 36.88641203 18.81202132  9.35912225 18.49452615
 30.66499315 24.30184448 19.08220837 34.11391208 29.81386585 17.51775647
 34.91026707 26.54967053 34.71035391 27.4268996  19.09095832 14.92742976
 30.86877936 15.88271775 37.17548808  7.72101675 16.24074861 17.19211608
  7.42140081 20.0098852  40.58481466 28.93190595 25.25404307 17.74970308
 38.76446932  6.87996052 21.80450956 25.29110265 20.427491   20.4698034
 17.25330064 26.12442519  8.48268143 27.50871869 30.58284841 16.56039764
  9.38919181 35.54434377 32.29801978 21.81298945 17.60263689 22.0804256
 23.49262401 24.10617033 20.1346492  38.5268066  24.58319594 19.78072415
 13.93429891  6.75507808 42.03759064 21.9215625  16.91352899 22.58327744
 40.76440704 21.3998946  36.89912238 27.19273661 20.97945544 20.37925063
 25.3536439  22.18729123 31.13342301 20.39451125 23.99224334 31.54729547
 26.74581308 20.90199941 29.08225233 21.98331503 26.29101202 20.17329401
 25.49225305 24.09171045 19.90739221 16.35154974 15.25184758 18.40766132
 24.83797801 16.61703662 20.89470344 26.70854061 20.7591883  17.88403312
 24.28656105 23.37651493 21.64202047 36.81476219 15.86570054 21.42338732
 32.81366203 33.74086414 20.61688336 26.88191023 22.65739323 17.35731771
 21.67699248 21.65034728 27.66728556 25.04691687 23.73976625 14.6649641
 15.17700342  3.81620663 29.18194848 20.68544417 22.32934783 28.01568563
 28.58237108]
正规方程-均分误差为：
 20.62751376309541
特征数量：
 (506, 13)
梯度下降权重系数为：
 [-0.49204282  0.90600442 -0.425408    0.78122193 -1.64479112  2.83475726
 -0.13698271 -3.10445426  1.64364102 -0.88718517 -1.70440114  0.86728865
 -3.89585718]
梯度下降偏置为：
 [22.64133018]
预测房价：
 [28.32988027 31.59628165 21.47291021 32.62500214 20.25743881 19.25430704
 21.38515208 19.41801029 19.65928761 32.85198424 21.37546131 27.39056689
 15.66170121 20.03328423 37.07101073 18.63258981  9.77520186 18.65105864
 30.75325523 24.22837635 19.22472715 34.09165    29.44791249 17.56977717
 34.7787419  26.45428709 34.22802121 27.29578864 19.32013582 15.73108309
 30.8244829  14.45690648 37.39673182  9.17153635 16.4192231  16.95257013
  8.02155337 19.91710981 40.38852095 29.15121021 25.24407119 18.010192
 39.44673115  6.88236339 21.66834002 25.00581309 20.93463887 20.7354025
 16.93857116 26.53856695  9.76725711 27.08260975 30.57506666 16.93015199
  9.7853468  35.48002407 31.38771996 22.92251304 17.5887466  21.81266956
 23.59614589 23.90931722 20.36883456 38.1178319  25.69501252 19.84073947
 14.34417444  6.91806577 42.47139663 21.77826021 16.84647155 22.57258974
 40.93987894 21.67674727 36.91202332 27.13881344 21.80877794 20.7595932
 25.25423255 23.79657533 31.47394835 20.13480903 23.8995206  31.35105601
 27.26683269 21.0353684  29.04765138 21.97300518 26.75012864 18.76796591
 25.07915162 23.89632104 20.11003321 18.24837709 15.66456151 18.41027271
 24.51065473 16.92998012 20.79986196 26.80312356 20.88746429 18.18470202
 24.16520581 23.24517214 20.27485512 36.41503937 16.03109086 22.43965602
 32.59510994 33.78438794 20.55420887 25.91441489 23.37496527 17.74240561
 21.45360217 21.65660718 27.41255864 25.15738326 23.64996403 14.61343906
 15.9240983   3.86335915 29.20453051 20.82989445 22.24521707 28.00451562
 28.39269673]
梯度下降-均分误差为：
 21.42768961540712

4.1.5 梯度下降的扩展：GD、SGD、SAG

4.1.6 总结

线性回归的损失函数：均方误差

线性回归的优化方法：正规方程、梯度下降

线性回归的性能衡量方法：均方误差

4.2 欠拟合与过拟合

学习目标：

说明线性回归（不带正则化）的缺点

说明过拟合与欠拟合的原因以及解决方法

问题：训练数据训练的很好啊，误差也不大，为什么在测试集上有问题呢？

过拟合

4.2.1 什么是过拟合与欠拟合

欠拟合：

过拟合：

4.2.2 原因以及解决方法

欠拟合原因以及解决方法

原因：学习到数据的特征过少

解决方法：增加数据的特征数量

过拟合原因以及解决方法

原因：学到的特征过多，存在一些嘈杂特征，模型过于复杂

解决办法：正则化

1 正则化类别

L1正则化

L2正则化，更常用

L2正则化：

作用：可以使得其中一些W都很小，都接近于0，削弱某个特征的影响

优点：越小的参数说明模型越简单，越简单的模型也不容易产生过拟合现象

Ridge回归

加入L2正则化后的损失函数：

损失函数+惩罚项

L1正则化：

作用：可以使得其中一些W的值直接为0，删除这个特征的影响

LASSO回归

4.3 线性回归的改进—岭回归

学习目标：

说明岭回归的原理即与线性回归的不同之处

说明正则化对于权重参数的影响

说明L1和L2正则化的区别

4.3.1 带有L2正则化的线性回归–岭回归

岭回归，其实也是一种线性回归。只不过在算法建立回归方程时候，加上正则化的限制，从而达到解决过拟合的效果

1 API

sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True, solver='auto', normalize=False)

alpha：正则化力度，取值范围：0-1,1-10

solver：会根据数据自动选择优化方法

sag：如果数据集、特征都较大，选择该随机梯度下降优化

normalize：数据是否进行标准化

normalize=False：可以在fit之前调用preprocessing.StandardScaler标准化数据

Ridge.coef_：回归权重

Ridge.intercept_：回归偏置

黑马程序员---三天快速入门Python机器学习（第三天）（上）

四、回归与聚类算法

4.1 线性回归

4.1.1 线性回归的原理

4.1.2 线性回归的损失和优化原理

4.1.3 线性回归API

4.1.4 波士顿房价预测

4.1.5 梯度下降的扩展：GD、SGD、SAG

4.1.6 总结

4.2 欠拟合与过拟合

4.2.1 什么是过拟合与欠拟合

4.2.2 原因以及解决方法

4.3 线性回归的改进—岭回归

4.3.1 带有L2正则化的线性回归–岭回归

热门文章

最新文章

相关课程

相关电子书

相关实验场景

推荐镜像

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

黑马程序员---三天快速入门Python机器学习（第三天）（上）

四、回归与聚类算法

4.1 线性回归

4.1.1 线性回归的原理

4.1.2 线性回归的损失和优化原理

4.1.3 线性回归API

4.1.4 波士顿房价预测

4.1.5 梯度下降的扩展：GD、SGD、SAG

4.1.6 总结

4.2 欠拟合与过拟合

4.2.1 什么是过拟合与欠拟合

4.2.2 原因以及解决方法

4.3 线性回归的改进—岭回归

4.3.1 带有L2正则化的线性回归–岭回归

热门文章

最新文章

相关课程

相关电子书

相关实验场景

推荐镜像