机器学习实战——岭回归、缩减法
一、基本知识
1、岭回归:从公式看,加入正则化项(2范数)。
回归系数的计算公式为:
问题引入:若给定数据集X,如果XTX的逆存在,可以使用常规的线性回归方法。但是,
(1)数据样本数比特征数少的情况,矩阵的逆不能直接计算;
(2)即使样本数多于特征数,若特征高度相关,XTX的逆依然无法计算。
此时,可以考虑岭回归。
另,岭回归是有偏估计回归方法,引入lamda来限制所有系数之和,通过引入该惩罚项(从需要最小化的平方误差函数可以看出),能够减少不重要的参数;它是缩减法的一种,增大模型的偏差,从而达到更好的估计效果,还可以用于挖掘大量数据的内容在规律,根据系数的大熊啊可以得到最重要的一个或几个特征。
书籍:《机器学习实战》中文版
IDE:PyCharm Edu 4.02
环境:Adaconda3 python3.6from numpy import *
# 自适应数据加载函数
# 不必指定特征数目,
def loadDataSet(fileName): #general function to parse tab -delimited floatsnumFeat = len(open(fileName).readline().split('\t'))-1 #get number of fieldsdataMat = [];labelMat = []with open(fileName) as fr:for line in fr.readlines():lineArr = []curLine = line.strip().split('\t')for i in range(numFeat):lineArr.append(float(curLine[i]))dataMat.append(lineArr)labelMat.append(float(curLine[-1]))return dataMat,labelMat # 返回列表
# 岭回归
# 参数xMat和yMat是矩阵格式
def ridgeRegres(xMat,yMat,lam=0.2):xTx = xMat.T * xMatdenom = xTx + eye(shape(xMat)[1])*lamif linalg.det(denom) == 0.0:print("This matrix is singular, cannot do inverse")returnws = denom.I * (xMat.T * yMat)return ws
def ridgeTest(xArr,yArr):xMat = mat(xArr)yMat = mat(yArr).T# 数据标准化 可以使用regularize()函数yMean = mean(yMat,0)yMat = yMat-yMeanxMeans = mean(xMat,0)xVar = var(xMat,0)xMat = (xMat-xMeans)/xVarnumTestPts =30 #设置岭参数lam的取值范围wMat = zeros((numTestPts,shape(xMat)[1]))for i in range(numTestPts):ws = ridgeRegres(xMat,yMat,exp(i-10))wMat[i,:] = ws.T #每一行是一个lam对应的回归系数return wMat
# 岭回归交叉验证
def rssError(yArr,yHatArr): #yArr and yHatArr both need to be arraysreturn ((yArr-yHatArr)**2).sum()
def crossValidation(xArr,yArr,numVal=10):m = len(yArr)indexList = list(range(m))errorMat = zeros((numVal,30))for i in range(numVal):trainX=[];trainY=[]testX=[];testY=[]random.shuffle(indexList) #混洗for j in range(m): #create training set based on first 90% of values in indexListif j < m*0.9:trainX.append(xArr[indexList[j]])trainY.append(yArr[indexList[j]])else:testX.append(xArr[indexList[j]])testY.append(yArr[indexList[j]])wMat = ridgeTest(trainX,trainY) #wMat每一行是一组回归系数;numTestPts=30每组系数的个数for k in range(30): #loop over all of the ridge estimatesmatTestX = mat(testX);matTrainX = mat(trainX)meanTrain = mean(matTrainX,0)varTrain = var(matTrainX,0)matTestX = (matTestX-meanTrain)/varTrain #regularize test with training paramsyEst = matTestX * mat(wMat[k,:]).T + mean(trainY)errorMat[i,k] = rssError(yEst.T.A,array(testY))meanErrors = mean(errorMat,0)minMean = float(min(meanErrors))bestWeights = wMat[nonzero(meanErrors==minMean)]#can unregularize to get model#when we regularized we wrote Xreg = (x-meanX)/var(x)#we can now write in terms of x not Xreg: x*w/var(x) - meanX/var(x) +meanYxMat = mat(xArr)yMat = mat(yArr).TmeanX = mean(xMat,0)varX = var(xMat,0)unReg = bestWeights/varX #???不懂为什么需要除以方差print("the best model from Ridge Regression is:\n",unReg)print("with constant term: ",-1*sum(multiply(meanX,unReg)) + mean(yMat))
# 鲍鱼数据集验证岭回归
abX,abY = loadDataSet('abalone.txt')
print(crossValidation(abX,abY))运行结果:
the best model from Ridge Regression is:[[ 0.05915723 -3.07364169 14.96227846 11.73052929 8.92101407-20.08279615 -9.68807653 9.33245255]]
with constant term: 3.14629495468
None
2、loss回归、前向逐步回归
loss回归(缩减法之一):加入正则化项——绝对值形式。但计算复杂,因此使用计算简单的前向逐步回归,可以达到与loss回归相同的效果。
前向逐步回归属于一种贪心算法,每一步都尽可能减少误差。
# 前向逐步回归
def stageWise(xArr,yArr,eps=0.01,numIt=100):xMat = mat(xArr);yMat = mat(yArr).T# 数据标准化yMean = mean(yMat,0)yMat = yMat-yMeanxMat = regularize(xMat)m,n = shape(xMat)returnMat = zeros((numIt,n))ws=zeros((n,1));wsTest=ws.copy();wsBest=ws.copy()for i in range(numIt):lowestError = inffor j in range(n):for sign in [-1,1]:wsTest = ws.copy() #备份ws,以判断到底是增加还是减小系数wsTest[j] += eps*signyTest = xMat*wsTestrssE = ((yMat.A-yTest.A)**2).sum()if rssE < lowestError:lowestError = rssEwsBest = wsTestws = wsBest.copy()returnMat[i,:] = ws.Treturn returnMat
weightsStageWise = stageWise(abX,abY)
print(weightsStageWise)
说明:贪心算法在所有特征上运行两次for循环,分别计算增加或减少该特征对误差的影响。
即当一次外循环(i)结束后才改变系数ws,而内循环(j)的每个值记录在wsBest中但每次运行时仍是未改变的ws,在每一次外循环中(i):
先判断第一个特征应该增加还是减少系数值,然后判断第二个特征,
此时第一个特征值并未改变,因此代码中每次循环前需要复制一份 wsTest = ws.copy()
关于引用、copy()的使用,参见:http://blog.csdn.net/ckzhb/article/details/78659449
机器学习实战——岭回归、缩减法相关推荐
- 机器学习实战-逻辑回归-19
机器学习实战-逻辑回归-用户流失预测 import numpy as np train_data = np.genfromtxt('Churn-Modelling.csv',delimiter=',' ...
- 【人工智能】机器学习:岭回归与LASSO回归(Ridge/LASSO Regression)
机器学习:岭回归与LASSO回归 (Ridge / LASSO Regression) 文章目录 机器学习:岭回归与LASSO回归 (Ridge / LASSO Regression) 1. Ridg ...
- [机器学习-5]岭回归及python实现(Ridge Regression)
[机器学习-5]岭回归[L2正则化]及python实现(Ridge Regression)[L2] 前言 题目 岭回归(Ridge Regression) k-fold validation skle ...
- 机器学习实战--Logistic回归与实例:从疝病症预测病马的死亡率
声明 本文参考了<机器学习实战>书中代码,结合该书讲解,并加之自己的理解和阐述 机器学习实战系列博文 机器学习实战--k近邻算法改进约会网站的配对效果 机器学习实战--决策树的构建.画图与 ...
- 机器学习实战——Logistic回归
书籍:<机器学习实战>中文版 IDE:PyCharm Edu 4.02 环境:Adaconda3 python3.6 关键词:sigmoid函数.批梯度上升法.随机梯度上升法 from ...
- sklearn机器学习:岭回归Ridge
在sklearn中,岭回归由线性模型库中的Ridge类来调用: Ridge类的格式 sklearn.linear_model.Ridge (alpha=1.0, fit_intercept=True, ...
- 【机器学习】岭回归和LASSO回归详解以及相关计算实例-加利福尼亚的房价数据集、红酒数据集
文章目录 一,岭回归和LASSO回归 1.1 多重共线性 1.2 岭回归接手 1.3 线性回归的漏洞(线性系数的矛盾解释) 1.4 Ridge Regression 1.5 岭回归实例(加利福尼亚的房 ...
- 机器学习基础-岭回归-06
岭回归Ridge Regression 标准方程法-岭回归 import numpy as np from numpy import genfromtxt import matplotlib.pypl ...
- 【机器学习】岭回归(L2正则在干嘛!)
在之前我们有介绍过贝叶斯线性回归,贝叶斯线性回归利用了最大后验估计(MAP)加上权重的高斯分布先验推导出带有L2正则项的线性回归. 其实这就是岭回归,即 岭回归=MAP+高斯先验. 推导就参见 ...
最新文章
- Qt程序启动画面播放(gif与swf两种动画格式)
- (一)Cisco DHCP Snooping原理(转载)
- Android onPause()和onStop()区别
- 2018前端常见问题整理
- 程序员发现 Bug 的时候是怎样一种心境?
- c++容器共性机制研究
- 微软程序员利用测试账户套现千万美元,或面临 20 年监禁
- 智联招聘基于Apache Pulsar打造企业级事件中心
- js实现select动态添加option,默认为选中状态
- CMOS模拟集成电路笔记(第一部分)
- 《计算机组网试验-DNS服务器安装配置 》杭州电子科技大学
- 用计算机弹起风了歌词,《起风了》歌词
- Ipad IOS 蓝牙键盘快捷键
- 【面试总结】JNI层MediaScanner的分析,挥泪整理面经
- uniapp微信浏览器H5授权微信登录
- 中国定制家具市场营销态势与盈利前景预测报告(2022-2028年)
- HttpWebRequest 介绍
- 国产开源数据库:腾讯云TBase在分布式HTAP领域的探索与实践
- Android开发循序渐进实例5--网络访问例子
- c语言最新版,【整理】C语言的各种版本:C89,AMD1,C99,C11 – 在路上
热门文章
- mysql.8.0.13ZIP安装教程_关于mysql 8.0.13zip包安装方法
- 高中二年级会考计算机考试试题,高中二年级学考是怎么回事 和会考的区别是什么...
- “unzip”不是内部或外部命令,也不是可运行的程序或批处理文件
- 像素越多越好?像元的面积越小越好?
- 服装色差的识别成因与预防
- 机器视觉光源亮度应如何选择
- 不了解这些“高级货”,活该你面试当炮灰。。。【石杉的架构笔记】
- ThinkJS 和 Sprite.js 服务端渲染实践
- 【Java并发】Runnable、Callable、Future、FutureTask
- mysql导入超大sql文件时mysql服务重启