美文网首页进击的Pythonpython自学程序员
回归算法预测波士顿地区房价

回归算法预测波士顿地区房价

作者: zhaoolee | 来源:发表于2018-01-14 11:49 被阅读237次
    正规方程(LinearRegression) 梯度下降(SGDRegressor)
    适用于小规模数据集特征数量<100K 适用于大规模数据集>10K
    一次运算得出 需要指定学习率, 须多次运算(迭代)得出
    只适用于线性模型(可能出现过拟合问题) 适用于各种模型
    from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge, LogisticRegression
    from sklearn.datasets import load_boston
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.metrics import mean_squared_error
    from sklearn.externals import joblib
    
    def boston_line():
    
        lb = load_boston()
        x_train, x_test, y_train, y_test = train_test_split(lb.data, lb.target, test_size=0.25)
    
        # 为数据增加一个维度,相当于把[1, 5, 10] 变成 [[1, 5, 10],]
        y_train = y_train.reshape(-1, 1)
        y_test = y_test.reshape(-1, 1)
    
        # 进行标准化
        std_x = StandardScaler()
        x_train = std_x.fit_transform(x_train)
        x_test = std_x.transform(x_test)
    
        std_y = StandardScaler()
        y_train = std_y.fit_transform(y_train)
        y_test = std_y.transform(y_test)
    
        # 正规方程预测
        lr = LinearRegression()
        lr.fit(x_train, y_train)
        lr_predict = std_y.inverse_transform(lr.predict(x_test))
        print("正规方程预测出的系数为:", lr.coef_)
        # 计算均方误差参数必须使用标准化之前的值
        print("正规方程的均方误差为:", mean_squared_error(std_y.inverse_transform(y_test),lr_predict))
        print("正规方程预测出的结果为:", lr_predict)
    
    
        # 梯度下降预测
        sgd = SGDRegressor()
        sgd.fit(x_train, y_train)
        sgd_predict = std_y.inverse_transform(sgd.predict(x_test))
        print("梯度下降预测出的系数为:", sgd.coef_)
        # 计算均方误差参数必须使用标准化之前的值
        print("梯度下降的均方误差为:", mean_squared_error(std_y.inverse_transform(y_test),sgd_predict))
        print("梯度下降预测出的结果为:", sgd_predict)
    
    
        # 岭回归下降预测(alpha为正则化力度, 数值越大,特征对最后的结果影响越小)
        rid = Ridge(alpha=1.0)
        rid.fit(x_train, y_train)
        rid_predict = std_y.inverse_transform(rid.predict(x_test))
        print("岭回归预测出的系数为:", rid.coef_)
        # 计算均方误差参数必须使用标准化之前的值
        print("岭回归的均方误差为:", mean_squared_error(std_y.inverse_transform(y_test),rid_predict))
        print("岭回归预测出的结果为:", rid_predict)
    
    
        # 保存岭回归的模型(pkl格式)
        joblib.dump(rid, "./rid_model.pkl")
    
        # 加载岭回归的模型
    
        new_rid = joblib.load("./rid_model.pkl")
        new_rid_predict = std_y.inverse_transform(new_rid.predict(x_test))
        print("模型-->岭回归预测出的系数为:", rid.coef_)
        # 计算均方误差参数必须使用标准化之前的值
        print("模型-->岭回归的均方误差为:", mean_squared_error(std_y.inverse_transform(y_test),new_rid_predict))
        print("模型-->岭回归预测出的结果为:", new_rid_predict)
    
    if __name__ == '__main__':
        boston_line()
    
    
    正规方程
    梯度下降
    岭回归
    岭回归模型

    关于拟合曲线程度的判定(正常拟合为最佳)

    拟合曲线

    关于拟合程度(以识别汽车为例):

    欠拟合:

    如果只选取"四个轮子",作为判断汽车的依据, 那"超市小推车"可能也会被识别为汽车,这就是欠拟合

    过拟合:

    如果选取"四个轮子","有发动机", "有方向盘","黑色",作为汽车的判断依据,那"红色的跑车"就无法被识别为汽车,显然这里多选用了"黑色"这一特征,这就是过拟合

    相关文章

      网友评论

      • phuong_慕杨:看不懂😅
      • 巴西哥:好专业,结果呢?
        zhaoolee:@巴西哥杂货铺 均方误差越小,效果越好
        巴西哥:@木子昭 哦,怎么知道哪个拟合结果好?感觉没看出来。
        zhaoolee:@巴西哥杂货铺 程序的目的是为了获得预测模型,所得系数就是结果

      本文标题:回归算法预测波士顿地区房价

      本文链接:https://www.haomeiwen.com/subject/uikkoxtx.html