• 4.2_线性回归案例分析


    线性回归案例分析

    波士顿房价预测

    使用scikit-learn中内置的回归模型对“美国波士顿房价”数据进行预测。对于一些比赛数据,可以从kaggle官网上获取,网址:https://www.kaggle.com/datasets

    1.美国波士顿地区房价数据描述

    from sklearn.datasets import load_boston
    
    boston = load_boston()
    
    print boston.DESCR

    2.波士顿地区房价数据分割

    from sklearn.cross_validation import train_test_split
    import numpy as np
    X = boston.data
    y = boston.target
    
    X_train,X_test,y_train,y_test = train_test_split(X,y,random_state=33,test_size = 0.25)

    3.训练与测试数据标准化处理

    from sklearn.preprocessing import StandardScaler
    ss_X = StandardScaler()
    ss_y = StandardScaler()
    
    X_train = ss_X.fit_transform(X_train)
    X_test = ss_X.transform(X_test)
    y_train = ss_X.fit_transform(y_train)
    X_train = ss_X.transform(y_test)

    4.使用最简单的线性回归模型LinearRegression和梯度下降估计SGDRegressor对房价进行预测

    from sklearn.linear_model import LinearRegression
    lr = LinearRegression()
    lr.fit(X_train,y_train)
    lr_y_predict = lr.predict(X_test)
    
    from sklearn.linear_model import SGDRegressor
    sgdr = SGDRegressor()
    sgdr.fit(X_train,y_train)
    sgdr_y_predict = sgdr.predict(X_test)

    5.性能评测

    对于不同的类别预测,我们不能苛刻的要求回归预测的数值结果要严格的与真实值相同。一般情况下,我们希望衡量预测值与真实值之间的差距。因此,可以测评函数进行评价。其中最为直观的评价指标均方误差(Mean Squared Error)MSE,因为这也是线性回归模型所要优化的目标。

    MSE的计算方法如式:

    {MSE=}frac{1}{m}sum_{i=1}^{m}left({y^{i}-ar{y}} ight)^{2}MSE=m1​​i=1m​​(yi​​y¯​​)2​​

    使用MSE评价机制对两种模型的回归性能作出评价

    from sklearn.metrics import mean_squared_error
    
    print '线性回归模型的均方误差为:',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_tranform(lr_y_predict))
    print '梯度下降模型的均方误差为:',mean_squared_error(ss_y.inverse_transform(y_test),ss_y.inverse_tranform(sgdr_y_predict))

    通过这一比较发现,使用梯度下降估计参数的方法在性能表现上不及使用解析方法的LinearRegression,但是如果面对训练数据规模十分庞大的任务,随即梯度法不论是在分类还是回归问题上都表现的十分高效,可以在不损失过多性能的前提下,节省大量计算时间。根据Scikit-learn光网的建议,如果数据规模超过10万,推荐使用随机梯度法估计参数模型。

    注意:线性回归器是最为简单、易用的回归模型。正式因为其对特征与回归目标之间的线性假设,从某种程度上说也局限了其应用范围。特别是,现实生活中的许多实例数据的各种特征与回归目标之间,绝大多数不能保证严格的线性关系。尽管如此,在不清楚特征之间关系的前提下,我们仍然可以使用线性回归模型作为大多数数据分析的基线系统。

    完整代码如下:

    from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge
    from sklearn.preprocessing import StandardScaler
    from sklearn.datasets import load_boston
    from sklearn.cross_validation import train_test_split
    from sklearn.metrics import mean_squared_error,classification_report
    from sklearn.cluster import KMeans
    
    
    def linearmodel():
        """
        线性回归对波士顿数据集处理
        :return: None
        """
    
        # 1、加载数据集
    
        ld = load_boston()
    
        x_train,x_test,y_train,y_test = train_test_split(ld.data,ld.target,test_size=0.25)
    
        # 2、标准化处理
    
        # 特征值处理
        std_x = StandardScaler()
        x_train = std_x.fit_transform(x_train)
        x_test = std_x.transform(x_test)
    
    
        # 目标值进行处理
    
        std_y  = StandardScaler()
        y_train = std_y.fit_transform(y_train)
        y_test = std_y.transform(y_test)
    
        # 3、估计器流程
    
        # LinearRegression
        lr = LinearRegression()
    
        lr.fit(x_train,y_train)
    
        # print(lr.coef_)
    
        y_lr_predict = lr.predict(x_test)
    
        y_lr_predict = std_y.inverse_transform(y_lr_predict)
    
        print("Lr预测值:",y_lr_predict)
    
    
        # SGDRegressor
        sgd = SGDRegressor()
    
        sgd.fit(x_train,y_train)
    
        # print(sgd.coef_)
    
        y_sgd_predict = sgd.predict(x_test)
    
        y_sgd_predict = std_y.inverse_transform(y_sgd_predict)
    
        print("SGD预测值:",y_sgd_predict)
    
        # 带有正则化的岭回归
    
        rd = Ridge(alpha=0.01)
    
        rd.fit(x_train,y_train)
    
        y_rd_predict = rd.predict(x_test)
    
        y_rd_predict = std_y.inverse_transform(y_rd_predict)
    
        print(rd.coef_)
    
        # 两种模型评估结果
    
        print("lr的均方误差为:",mean_squared_error(std_y.inverse_transform(y_test),y_lr_predict))
    
        print("SGD的均方误差为:",mean_squared_error(std_y.inverse_transform(y_test),y_sgd_predict))
    
        print("Ridge的均方误差为:",mean_squared_error(std_y.inverse_transform(y_test),y_rd_predict))
    
        return None

     

  • 相关阅读:
    C#基础知识简单梳理
    knearest neighbor
    二叉查找树的实现
    Unix/Linux 那些系统启动后的进程
    Nginx反向代理IIS
    线程漫谈——线程同步之信号量和互斥量
    BtxCMS@B.T.X 项目及界面展示 [下载]
    MVC in MFC or WTL
    HTTP HTTPS WebService
    ASP.NET WebAPI RC 竟然不支持最常用的json传参
  • 原文地址:https://www.cnblogs.com/alexzhang92/p/10070259.html
Copyright © 2020-2023  润新知