• 机器学习十讲-第二讲回归


    回归

    回归三大模型

    • 线性回归
    • 岭回归
    • LASSO回归

    使用回归模型预测鲍鱼年龄

    一、导入数据,进行分析

     可以看出鲍鱼有9个特征

    每个特征所对应的数据代表的含义是:

     数据集一共有 4177 个样本,每个样本有 9 个特征。其中 rings 为鲍鱼环数,能够代表鲍鱼年龄,是预测变量。除了 sex 为离散特征,其余都为连续变量。

    首先借助 seaborn 中的 countplot 函数绘制条形图,观察 sex 列的取值分布情况。

     对于连续特征,可以使用 seaborn 的 distplot 函数绘制直方图观察特征取值情况。我们将 8 个连续特征的直方图绘制在一个 4 行 2 列的子图布局中。

     也可以通过,热力图来展示性别对其他特征的影响

     为了定量地分析特征之间的线性相关性,我们计算特征之间的相关系数矩阵,并借助热力图将相关性可视化。

    二、鲍鱼数据预处理

    对 sex 特征进行 OneHot 编码

    添加取值为 1 的特征(若是用sklearn中的linear_model里的回归函数,则不必添加)

    根据鲍鱼环计算年龄

    一般每过一年,鲍鱼就会在其壳上留下一道深深的印记,这叫生长纹,就相当于树木的年轮。在本数据集中,我们要预测的是鲍鱼的年龄,可以通过环数 rings 加上 1.5 得到。

    构造两组特征集

    将鲍鱼数据集划分为训练集和测试集

    实现线性回归和岭回归

    构建自己的线性回归方程

     

     使用sklearn里的线性方程

    这里所用的训练集的参数:是不包含ones那一列的

     可见结果值相同,我们使用 Numpy 实现的线性回归模型与 sklearn 得到的结果是一致的。

    构建自己的岭回归方程

     

     使用sklearn里的岭回归方程

    使用 LASSO 构建鲍鱼年龄预测模型

    鲍鱼年龄预测模型效果评估

    可以看出:岭回归和线性回归比较好

     

    可以看出三者都不好,岭回归相对好

     

  • 相关阅读:
    实验室网络管理记
    mondrian schema一个简单的例子
    powerdesigner数据库设计导入oracle9i
    linux 的mount命令
    [转]moto面试题
    Oracle数据库服务解释
    数据聚集技术在mondrian中的实现
    发现台湾的mondrian资料 + pentaho截图
    一个封装比较完整的FTP类(转载)
    oracle 网页管理工具登录接口
  • 原文地址:https://www.cnblogs.com/xiaofengzai/p/14349711.html
Copyright © 2020-2023  润新知