Java实现线性回归模型算法

今天跟大家一起学习机器学习比较简单的一个算法，也就是线性回归算法。

让我们通过一个例子开始：这个例子就是预测住房价格的，我们要使用一个数据集，数据集包含一个地方的住房价格，这里我们要根据不同房屋尺寸所售出的价格，画出我们的数据集，比方说，如果你朋友的房子是1250平方尺大小，你要告诉他这个房子能卖多少钱。那么，你可以做的一件事就是构建一个模型，也许是条直线，从这个数据模型上来看，也许你可以告诉你的朋友，他能以大约220000（美元）左右的价格卖掉这个房子。这就是监督学习算法的一个例子。

它被称作监督学习是因为对于每个数据来说，我们给出了“正确的答案”，即告诉我们：根据我们的数据来说，房子实际的价格是多少，而且，更具体来说，这是一个回归问题。回归一词指的是，我们根据之前的数据预测出一个准确的输出值，对于这个例子就是价格。同时，还有另外一种最常见的监督学洗方式，叫做分类问题，当我们想要预测离散的输出值，例如，我们正在薛兆癌症肿瘤，并想要确定肿瘤是良性还是恶性的，这就是0/1离散输出的问题。更近一步说，在监督学习中我们有一个数据集，这个数据集被称作是训练集。

下面就是实现一元线性回归模型的Java版本的代码，其中绘制数据集，和绘制回归模型使用的是JfreeChart,核心代码如下：

package cn.rocket.ml;import java.io.IOException;
import java.util.ArrayList;
import java.util.List;import cn.rocket.data.DataSet;
import cn.rocket.utils.ScatterPlot;public class LinearRegression {private double theta0 = 0.0 ;  //截距private double theta1 = 0.0 ;  //斜率private double alpha = 0.01 ;  //学习速率private int max_itea = 20000 ; //最大迭代步数private DataSet dataSet = new DataSet() ;public  LinearRegression() throws IOException{dataSet.loadDataFromTxt("datas/house_price.txt", ",",1);}public double predict(double x){return theta0+theta1*x ;}public double calc_error(double x, double y) {return predict(x)-y;}public void gradientDescient(){double sum0 =0.0 ;double sum1 =0.0 ;for(int i = 0 ; i < dataSet.getSize() ;i++) {sum0 += calc_error(dataSet.getDatas().get(i).get(0), dataSet.getLabels().get(i)) ;sum1 += calc_error(dataSet.getDatas().get(i).get(0), dataSet.getLabels().get(i))*dataSet.getDatas().get(i).get(0) ;}this.theta0 = theta0 - alpha*sum0/dataSet.getSize() ; this.theta1 = theta1 - alpha*sum1/dataSet.getSize() ; }public void lineGre() {int itea = 0 ;while( itea< max_itea){//System.out.println(error_rate);System.out.println("The current step is :"+itea);System.out.println("theta0 "+theta0);System.out.println("theta1 "+theta1);System.out.println();gradientDescient();itea ++ ;}} ;public static void main(String[] args) throws IOException {LinearRegression linearRegression = new LinearRegression() ;linearRegression.lineGre();List<Double> list = new ArrayList<Double>() ;for(int i = 0 ; i < linearRegression.dataSet.getSize() ;i++) {list.add(linearRegression.dataSet.getDatas().get(i).get(0));}ScatterPlot.data("Datas", list, linearRegression.dataSet.getLabels(),linearRegression.theta0,linearRegression.theta1);}}

这段代码值得我们注意的问题有很多，一个是学习步长alpha的设置，如果设置的太大最后结果会无法收敛，但是如果设置的太小训练会非常缓慢。

下面是结果，我们可以看到，散点图是训练数据，红色的直线表示我们训练出来的一元线性模型，我们可以看出该模型能对训练数据做一个较好的线性拟合。

该项目的项目源码我已经放在GitHub上。项目地址：https://github.com/ShengPengYu/MachineLearning

Java实现线性回归模型算法相关推荐

线性回归模型算法原理及Python实现
文章内容主要来自Aurelien Geron<Hands-on Machine Learning withi Scikit-Learn&TensorFlow> 目录线性回归方程 ...
java 一元线性回归_算法笔记：一元线性回归及Java实现
这是voidAlex原创的第四篇博文. 源码在我的GitHub 回归问题回归问题是研究自变量和因变量之间关系的一种预测模型技术.例如我们可以通过回归模型去预测房价与房子面积之间的关系,一个人每周花在 ...
通过线性回归模型及优化实现AQI分析与预测
目录 1 项目背景与分析说明 1.1 项目背景 1.2 数据说明 1.3 分析说明 2 数据预处理 2.1 导入相关库 2.2 导入数据 2.3 数据预处理 2.3.1 缺失值 2.3.2 异常值 2 ...
基于机器学习梯度下降优化算法来寻找最佳的线性回归模型
https://www.toutiao.com/a6638782437587419652/ 幻风的AI之路 2018-12-25 18:12:27 线性回归模型线性回归模型是一个非常简单的算法模型, ...
【Android 内存优化】Java 内存模型 ( Java 虚拟机内存模型 | 线程私有区 | 共享数据区 | 内存回收算法 | 引用计数 | 可达性分析 )
文章目录一. Java 虚拟机内存模型二. 程序计数器 ( 线程私有区 ) 三. 虚拟机栈 ( 线程私有区 ) 四. 本地方法栈 ( 线程私有区 ) 五. 方法区 ( 共享数据区 ) 1. 方法区 ...
（二十二）用RANSAC算法来求线性回归模型的参数
线性回归模型一.什么是线性回归? 举个例子, 某商品的利润在售价为2 元. 5 元. 10 元时分别为 4 元. 11 元. 20 元, 我们很容易得出商品的利润与售价的关系符合直线:y=2x. 在 ...
常用的三种线性模型算法--线性回归模型、岭回归模型、套索回归模型
常用的三种线性模型算法–线性回归模型.岭回归模型.套索回归模型线性模型基本概念线性模型的一般预测模型是下面这个样子的,一般有多个变量,也可以称为多个特征x1.x2.x3 - 最简单的线性模型就是一 ...
【项目实战】Python实现多元线性回归模型(statsmodels OLS算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景回归问题是一类预测连续值的问题,而能满足这样要求的数学模型称作回 ...
机器学习算法——线性回归的详细介绍及利用sklearn包实现线性回归模型
目录 1.线性回归简介 1.1 线性回归应用场景 1.2 什么是线性回归 1.2.1 定义与公式 1.2.2 线性回归的特征与目标的关系分析 2.线性回归api初步使用 2.1 线性回归API 2.2 ...

Java实现线性回归模型算法

Java实现线性回归模型算法相关推荐

最新文章

热门文章