码迷,mamicode.com
首页 > 其他好文 > 详细

机器学习-----1.线性回归模型理解、证明、实现

时间:2020-03-05 13:33:54      阅读:117      评论:0      收藏:0      [点我收藏+]

标签:差距   内容   set   模型设计   dex   ted   意思   idg   红点   

一. 线性回归是什么?

  线性回归就是线性的回归。线性是形容词,回归是本质。  

  我对于视觉记忆比较深刻,所以我们先上图。

  这张图就是一个线性回归的实例,红色的点是实际的值,蓝色为估计的线性方程

  我们回归的目的就是研究横坐标和纵坐标的关系,当然我们首先考虑这个关系是不是线性的,换句话说这些点关系可不可以用多项式表示

       w, b 分别是直线的斜率和截据,也是线性回归最终需要获取的结果。

  技术图片

   这张图是线性回归最简单的形式,一维,只有一个自变量,一个特征(Feature)

  但是现实生活中,并不是所有的东西都只有一个特征,可能是好几个特征决定一个结果

  例如,成绩总分是由所有学科的分数相加,各个学科就是不同的特征,总分就是最终想要的结果,并不能用单个成绩来预测总分

  线性回归的公式是技术图片

               技术图片???????

  用成绩来说,语文x1,数学x2,英语x3三门学科成绩为输入,总分y为输出

  那么可以得到这样的模型 技术图片 (w1, w2, w3 均为1)

二. 线性回归模型评估

 评估函数的建立

     模型建立完成后,我们是不知道它是不是真的优秀。

  想要知道模型是否优秀,就需要对模型进行评估度量。

  评估是什么意思呢,就是预测值y_preddict和我们真实数据y的差距。通过这个值的大小来判断模型的好坏。

  机器学习代码中经常看到的Loss损失值,就是我们的评估度量模型的函数,输入预测值和真实值,输出损失

 

  在统计学中,有很多度量的方法,但是统计学几乎忘没了 T_T 要慢慢地多掌握些统计内容。

  目前我接触到线性回归使用最多的是平方和误差

  还是先通过直观的案例认识一下什么是平方和误差

  平方和误差就是每个真实点到预测直线之间距离的平方之和,每个红点到蓝线的距离的平方 累加

  平方和误差越大,那么真实值距离预测直线越远,那么这个模型就不好

  所以我们希望这个平方和误差是越小越好的,这个思想就是最小二乘法

  技术图片

  使用公式可以表示为

  技术图片

       技术图片???????

  基础的损失模型建立后,可以加入正则化部分(regularization)P(w)

  技术图片???????

  P(w) 通常是w的第一范式或第二范式

  第一范式为所有参数和

  第二范式为所有参数平方和

  为什么要加入正则化部分呢,主要是为了让预测曲线更加的平滑,让更多的参数接近于0

  

 

三. 线性回归模型求解

       建立好模型,下一步我们就要找到最好的参数,使我们的损失函数Loss最小

    这些参数的初始值是我们设定的,目前我看到的要么是设0要么是设1.

    显然,0,1都不可能是我们真实数据的最佳参数

    我们需要通过Loss(w,b)函数求使 Loss值最小时对应的 w 和 b 值

    那么使用什么方法呢?

  假如是高中的数学题,那么我们下意识就想要对w,b求导,然后令求导式为零,就得到w,b

  但是,在真实数据中,我们不可能得到求导式,让它为0,那么该怎么操作呢?

 

  GradientDescent!就是他,梯度下降!

  梯度在一元线性回归中可简化为斜率

  先给出一张图,假设它是损失值随参数w变化的曲线,我们来模拟一下梯度下降的过程。

  技术图片

   在点A处,斜率是小于零的,可知有更小值在A右侧。于是更新参数值,使它向更小值靠近。

  参数更新按照下述公式,梯度小于零,乘一个负数就是使w值增大,即向右侧移动。

  #更新函数 技术图片

   技术图片 为Loss对w 在A点的偏微分

  点B处,斜率是大于零,可知有更大值在B的左侧。于是更新参数值,按照更新函数,w减小,即向左移动

  那按照上面这样的想法,是不是总能找到最小值呢?

  我们来看看C,D两点,采用梯度下降只能找到极小值的位置,卡在极小值到达不了最小值

  所以,使用梯度下降时,如果初始点没选好或是学习率设置太大,是根本找不到最佳解的

  如果学习率过高,已A为例,有可能会跳过最低点,飞到很远

  

  高中数学中令求导项为0,在计算机中可以通过大量的进行技术图片获得

  更新关键就是获得Loss对w的偏微分。

  技术图片

  技术图片

  技术图片

   于是参数更新函数为,这里的参数2可以加也可以不加

  技术图片

     技术图片

   技术图片

  

  确定好参数更新函数后,接下来做的就是大量的循环,暴力求解啦

 

四:实际案例

  一元线性回归

    单纯的X,Y线性关系,画出的散点图就是上面做案例的图

    技术图片

    回归效果

    技术图片

     下面是w,b参数在训练中的变化情况

     技术图片

    代码部分:

    首先,将数据加载进来

#1.加载数据
data_source = "data/fire_theft.xls"  #excel表形式
book = xlrd.open_workbook(data_source,encoding_override="utf-8")

#通过索引获取内容
sheet = book.sheet_by_index(0)
#print(sheet)
#读取每一行,将每一行内容提取作为list,再将所有list作为np.array存储
data = np.asarray([sheet.row_values(i) for i in range(1,sheet.nrows)])
#print(data)
x = []
y = []
for i in range(len(data)):
    [x_in,y_in] = data[i]
    x.append(x_in)
    y.append(y_in)

 

     将数据分割成训练集,和测试集

#2.数据分割

#选择%数据进行训练,其中70%Training Set 30%Test Set
train = int(len(x)*0.7)
test = int(len(x)*0.3)

x_train = x[0:train]
y_train = y[0:train]
#[train+valid:-1]无法读取最后一个数 a:b 读取到b-1位置停止,若a: 没有指定尾坐标,直接取到最后一个
x_test = x[train+valid:]
y_test = y[train+valid:]

 

    进行训练,这里使用的是SGD(Stochstic Gradient Descent), 不是获取全部数据后更新,而是获取一个数据就更新一次,这样计算时间更快

#3.1 使用Gradient Descent 求解  y = w*x + b

#记录每次迭代的w,b值
w_history = []
b_history = []

lr_w = 0.0
lr_b = 0.0

for i in range(iteration):
    w_grad = 0.0
    b_grad = 0.0
    Loss = 0.0

    for j in range(len(x_train)):
        #损失函数
        y_pred = w*x_train[j] +b
        Loss = Loss + np.square(y_pred-y_train)

        #梯度下降 w(i+1) = w(i) - Loss偏微分
        w_grad = w_grad - 2.0*(y_train[j] - y_pred)*1.0
        b_grad = b_grad - 2.0*(y_train[j] - y_pred)*x_train[j]

    #adagram 更新
    lr_w = lr_w + w_grad**2   #w = w - lr/np.sqrt(lr_w) * w_grad
    lr_b = lr_b + b_grad**2

    w = w - lr * w_grad
    b = b - lr * b_grad

    w_history.append(w)
    b_history.append(b)


#3.2.展示回归数据

y_end=[]
for i in range(len(x_train)): y_end.append(x_train[i]*w + b)
#print(‘w: %f , b: %f‘ %(w,b))

plt.plot(x_train,y_train,ro) plt.plot(x_train,y_end) plt.title("Self GD w:%f b:%f" %(w,b)) plt.show()
plt.plot(w_history,label
= w,color =r) plt.plot(b_history,label = b,color = b) plt.title("the run chart of w and b") plt.legend() #加入左上角显示框 plt.show() #3.3 测试数据 y_test_end=[] y_test_loss = 0.0 for i in range(len(x_test)): y_test_end.append(x_test[i]*w + b) y_test_loss += np.square(y_test[i] - y_test_end[i]) #print(‘w: %f , b: %f‘ %(w,b)) plt.plot(x_test,y_test,ro) plt.plot(x_test,y_test_end) plt.title("Self GD w:%f b:%f,loss:%f" %(w,b,y_test_loss/len(x_test))) plt.show()

  

  多元线性回归 

  使用的是李宏毅老师的PM2.5预测

  将不同的检测指标作为特征 xi ,预测值y 为PM2.5值

  先看线性回归对PM2.5预测的效果

  红色点:实际PM2.5值

  红色曲线:真实PM2.5变化曲线

  蓝色曲线:模型预测曲线

  能看出,蓝色曲线能模拟基本的趋势,第二张图就能说明,大致趋势是相同的

  测试集的损失值为39,效果并不是很好  

  技术图片

   技术图片

  代码:

  

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

#------PM2.5线性回归预测--------------

#1.数据读取、处理
file = open(data/weather_train.csv,encoding = gb18030) #‘gbk‘ codec can‘t decode byte 0xac in position 9: illegal multibyte sequence
file = pd.read_csv(file, usecols=range(3, 27))  # usecols

#变为函数
def get_data(file):

    f = file.replace([NR], [0.0])
    data = f.values.astype(float)

    # 分析数据,提取数据
    # 需要提取240天 每天24 - 9 = 15 个数据集 进行时间片的预测
    # 首先取数据模块,18个数据为一组
    x_list = []
    y_list = []

    for i in range(0, data.shape[0]-18, 18):  # 取行 18 行
        for j in range(24 - 9):  # 循环取值 取15次 外围控制输入为3开始
            temp_x = data[i:i + 18, j:j + 9]
            temp_y = data[i + 9, j + 9]
            x_list.append(temp_x)
            y_list.append(temp_y)

    x = np.array(x_list)
    y = np.array(y_list)

    return x,y

#2.模型设计 不用tensorflow

#使用SGD
def train_model(x,y,learning_rate=1,epoch=1000):
    #设置初始参数
    weight = np.ones(9)
    bias = 0.0
    #正则参数
    regu_rate = 0.001
    w_sum = np.zeros(9) #所有训练综合,因此放在最外面
    b_sum = 0.0
    w_out = []
    b_out = []

    for ep in range(epoch):

        for i in range(len(x)):

            w_in = (y[i] - weight.dot(x[i, 9, :]) - bias) * (-x[i, 9, :])
            b_in = (y[i] - weight.dot(x[i, 9, :]) - bias) * (-1)

            w_sum += w_in ** 2
            b_sum += b_in ** 2

            # 进行函数更新
            weight += - learning_rate / w_sum ** 0.5 * (w_in + regu_rate*np.sum(weight))  #加入regu_rate 正则化函数
            bias -= learning_rate / b_sum ** 0.5 * b_in

            w_out.append(weight[0])
            b_out.append(bias)

            # 输出损失值
        loss = 0.0
        for m in range(len(x)):
            loss += (y[m] - weight.dot(x[m,9,:]) - bias)**2

        print("Epoch:%d loss:%f"%(ep,loss/len(x)))
    plt.plot(w_out)
    plt.plot(b_out)
    plt.show()
    return weight,bias

x,y = get_data(file)
x_train = x[0:3200]
y_train = y[0:3200]

x_valid = x[3200:]
y_valid = y[3200:]
weight,bias=train_model(x_train,y_train,epoch=1000)

#测试集训练
y_pred = []
loss_pred = 0.0
for i in range(len(x_valid)):
    y_pred.append( weight.dot(x_valid[i,9,:]) + bias)
    loss_pred+=(y_valid[i] - y_pred[i])**2
print("the cost of test:",loss_pred/len(x_valid))

plt.plot(range(len(y_valid)),y_valid,r)
plt.plot(range(len(y_valid)),y_pred,b)
plt.show()

 

 

 

第一次博客园发博成就 get   

   

机器学习-----1.线性回归模型理解、证明、实现

标签:差距   内容   set   模型设计   dex   ted   意思   idg   红点   

原文地址:https://www.cnblogs.com/xieviki650/p/ML_Linear-regression.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!