======================================================================
本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行，并进行部分翻译，如有错误，请大家指正
结果显示为：
本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行，并进行部分翻译，如有错误，请大家指正
======================================================================
另外一篇基于《机器学习实战》的Logistic回归分析的博客请参考：点击阅读，其主要是采用Python代码实现回归模型
还有一篇是纯实战案例博客请参考 ，Logistic回归模型案例实战：《机器学习实战》Logistic回归算法（2）
目录：
1、概念
2、简单线性回归（Simple Liner Regession）
3、多元性回归（Mutiple Regession）
4、非线性回归（Logistic Regession）
一：概念
1：集中趋势衡量
1.1均值（平均值，平均数）（mean）
1.2中位数（median）：将数据中的所有数按大小排列顺序，位于中间的拿个书就是中位数
个数为奇数，取中间值
个数为偶数，取中间两个数的平均值
1.3众数：数据中出现最多的数
2：离散程度的衡量
2.1方差（variance）
2.2标准差（standard deviation）
3：回归中的相关度
3.1：皮尔逊相关度
衡量两个相关强度的量，取值范围是[-1,1]，计算公式为：
4：R平方值
决定系数（可决系数，拟合优度），反应因变量的全部变异能通过回归关系被自变量解释的比例，取值范围[0,1]，可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。反之可决系数小，说明模型对样本观测值的拟合程度越差。
描述：如R平方为0.8，则表示回归关系可以解释因变量80%的变异，换句话说，如果我们能控制自变量不变，则因变量变异程度将会减少80%
对于 简单线性回归来说，R^2= r * r
对于多元线性回归来说，
SSR表示由模型引起的误差平方和，SST表示由实际值引起的差值平方和
R平方也有局限性，会随着自变量的增大而增大
一个关于相关系数的BBS：http://bbs.pinggu.org/thread-3034786-1-1.html
5：皮尔逊相关系数和R平方值计算示例
#coding:utf-8
'''
Created on 2015年11月8日
@author: Administrator
'''
import numpy as np
import math
#求解皮尔逊相关系数
def computeCorrelation(X, Y):
xBar = np.mean(X)
yBar = np.mean(Y)
SSR = 0
varX = 0
varY = 0
for i in range(0, len(X)):
#对应分子部分
diffXXBar = X[i] - xBar
diffYYBar = Y[i] - yBar
SSR +=(diffXXBar * diffYYBar)
#对应分母求和部分
varX += diffXXBar**2
varY += diffYYBar**2
SST = math.sqrt(varX * varY)
return SSR/SST
def polyfit(x, y, degree):
results = {}
#coeffs 为相关系数，x自变量，y因变量，degree为最高幂
coeffs = np.polyfit(x, y, degree)
#定义一个字典存放值，值为相关系数list
results['polynomial'] = coeffs.tolist()
#p相当于直线方程
p = np.poly1d(coeffs)
yhat = p(x) #传入x，计算预测值为yhat
ybar = np.sum(y)/len(y) #计算均值
#对应公式
ssreg = np.sum((yhat - ybar) ** 2)
sstot = np.sum((y - ybar) ** 2)
results['determination'] = ssreg / sstot
print" results :",results
return results
testX = [1, 3, 8, 7, 9]
testY = [10, 12, 24, 21, 34]
#输出的是简单线性回归的皮尔逊相关度和R平方值
print "r : ",computeCorrelation(testX, testY)
print "r^2 : ",str(computeCorrelation(testX, testY)**2)
#
print polyfit(testX, testY, 1)["determination"]
结果显示为：
二：简单线性回归
1：回归与分类的区别
回归（regession）：Y变量为连续型数值，如房价，人数，降雨量
分类（classification）：Y变量为类别型，如颜色类别，电脑品牌，有无信誉
2：简单线性回归介绍
回归分析：是指建立方程模拟两个或者多个变量之间如何关联
回归模型：是指被用来描述因变量（y）和自变量（x）以及偏差（error）之间的关系的方程，函数表示为：
简单线性回归方程：模型转变为即为回归方程（类似于一条直线，参数为斜率和y轴的交点）
即为回归方程（类似于一条直线，参数为斜率和y轴的交点）
线性关系包含：正相关，负相关，无关
估计线性方程：
关于偏差：
3：简单线性回归示例
<span style="font-family:Microsoft YaHei;"><span style="font-size:18px;">#coding:utf8
'''
Created on 2016年4月24日
@author: Gamer Think
'''
#Simple Regession
import numpy as np
#周广告播放数量
x = [1,3,2,1,3]
#周汽车销售数据
y = [14,24,18,17,27]
#使用最小二乘法
def fitSLR(x,y):
n = len(x)
denominator = 0
numerator = 0
for i in range(0,n):
numerator += (x[i]-np.mean(x)* (y[i]-np.mean(y)) )
denominator += (x[i]-np.mean(x))**2
print "denominator:",denominator
print "numerator:",numerator
b1 = numerator/float(denominator)
# b0 = np.mean(y)/float(np.mean(x))
b0 = np.mean(y)-b1*np.mean(x)
return b0,b1
def predict(b0,b1,x):
return b0+b1*x
b0,b1 = fitSLR(x,y)
x_test = 6
print "y_test：",predict(b0,b1,x_test)</span></span>
三：多元性回归
1：多元回归简介
与简单线性回归的区别：有多个变量x
多元回归模型：
多元回归方程：
估计多元回归方程：（y变成y_hat,即求得是估计值）
估计方法：
2：多元线性回归示例
我们需要的数据是第二，三，四列的数据
<span style="font-family:Microsoft YaHei;"><span style="font-size:18px;">#coding:utf-8 ''' Created on 2016年4月24日 @author: Gamer Think ''' from sklearn import linear_model import numpy as np from numpy import genfromtxt #可以将非array格式的list转化为array datapath = "data.csv" deliverData = genfromtxt(datapath,delimiter=",") #将csv文件转化为numpy.array格式 print "data:",deliverData X= deliverData[:,:-1] Y = deliverData[:,-1] print "X:",X print "Y:",Y regr = linear_model.LinearRegression() regr.fit(X,Y) print "coefficients:",regr.coef_ #与X结合的值 print "intercept:",regr.intercept_ #类似于截距 x_pre = [102,6] y_pre = regr.predict(x_pre) print "Y-Predict:",y_pre </span></span>
3：如果自变量中有分类型变量（categorical data）,如何处理？
e g：
首先将分类型变量进行转化为如下形式（第四五六列表示0,1,2，为1表示使用该型号车）
调用的代码其实和上边的是一样的：
<span style="font-family:Microsoft YaHei;"><span style="font-family:Microsoft YaHei;font-size:18px;">#coding:utf-8 ''' Created on 2016年4月24日 @author: Gamer Think ''' from numpy import genfromtxt import numpy as np from sklearn import datasets, linear_model dataPath = "dataDumpy.csv" deleveryData = genfromtxt(dataPath, delimiter=',') print "data:\n",deleveryData X = deleveryData[:, :-1] Y = deleveryData[:, -1] print "X: ",X print "Y: ",Y regr = linear_model.LinearRegression() regr.fit(X, Y) print "Coefficients:",regr.coef_ #与X结合的值 print "Intercept:",regr.intercept_ #类似于截距 # xPred = [102,6,0,0,1] yPred = regr.predict(xPred) print "predict y : ",yPred</span></span>
4：关于误差
四：非线性回归
非线性回归又称为逻辑回归
1：概率
对一件事情发生可能性的衡量，取值范围是0~1，计算方法包括，个人置信，历史数据，模拟数据
条件概率：
非线性回归实例：
<span style="font-family:Microsoft YaHei;"><span style="font-size:18px;">#coding:utf-8
'''
Created on 2016年4月24日
@author: Gamer Think
'''
import numpy as np
import random
'''
梯度下降算法
参数说明：X，Y
theta:一组向量和x相乘的一组值
alpha:梯度下降时的参数，即每一步下降多少
m:实例的个数
numIteration：迭代计算的次数，可以理解为梯度下降多少步
'''
def gradientDescent(X,Y,theta,alpha,m,numIteration):
x_trains = X.transpose() #X的转置矩阵
for i in range(0,numIteration):
hypothesis = np.dot(X,theta) #内积形式，X与theta的乘积 ，求出y的估计值
loss = hypothesis - Y #估计值与真实值之间的差
#通用的梯度下降算法，和logistic Regession中所描述的cost函数不一致
cos = np.sum(loss**2)/(2*m)
print "Iteration %d | Cost:%f" % (i,cos)
gradient = np.dot(x_trains,loss)/m
theta = theta - alpha*gradient
return theta
'''
numPoints : 点的个数
bias :偏好ֵ
variance : 统计学概念， 偏差和
产生样本点和对应的标签
'''
def genData(numPoints,bias,variance):
X = np.zeros(shape=(numPoints,2)) #归类的数据
Y = np.zeros(shape=numPoints) #归类的标签
for i in range(0,numPoints): #从0~len(numPoints)-1执行如下
X[i][0] = 1
X[i][1] = i
#制造target数据
Y[i] = (i+bias) + random.uniform(0,1)*variance
return X,Y
X,Y = genData(100, 25, 10)
# print "X:",X
# print "Y:",Y
m, n = np.shape(X)
n_y = np.shape(Y)
# print "x shape :", m, " ", n
# print "y length :",n_y
numIterations =100000
alpha = 0.0005
theta = np.ones(n)
theta = gradientDescent(X, Y, theta, alpha, m, numIterations)
print "theta: " ,theta
</span></span>
点击 进入个人在有道云笔记的回归分析相关，感兴趣的可以看一下
