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