【Mathematical Model】Ransac线性回归Python代码

        Ransac算法,也称为随机抽样一致性算法,是一种迭代方法,用于从一组包含噪声或异常值的数据中估计数学模型。Ransac算法特别适用于线性回归问题,因为它能够处理包含异常值的数据集,并能够估计出最佳的线性模型。

1 简介

        在数据分析和机器学习的领域中,线性回归是一种广泛使用的预测模型。然而,当数据集中包含异常值或噪声时,传统的线性回归方法可能会受到严重影响。为了解决这一问题,Ransac线性回归算法提供了一种稳健的方法来估计线性模型参数。

        Ransac算法的核心思想是从数据集中随机选择一个子集作为基础样本,并使用这个子集估计线性模型的参数。然后,它会计算所有数据点到这个模型的误差,并根据一个预设的阈值来判断该模型是否可以接受。如果模型被接受,Ransac算法会继续优化模型参数;否则,它会选择另一个子集并重复这个过程。

在Ransac线性回归中,算法的基本步骤如下:

  1. 随机选择数据集中的子集作为模型的基础样本。基础样本的大小通常由用户设定,通常为数据集大小的一定比例。
  2. 使用基础样本估计线性模型的参数,如斜率和截距。
  3. 计算模型误差,即数据集中每个点与模型预测值之间的距离。
  4. 判断是否满足停止准则,即是否找到了一个足够好的模型。如果满足,则退出算法;否则,继续迭代。
  5. 在数据集中选择与当前模型最不一致的点作为异常值,将其从数据集中移除。
  6. 重复步骤1-5,直到找到一个足够好的模型或者达到最大迭代次数。

        Ransac算法的优点在于它能够处理包含异常值的数据集,并能够估计出最佳的线性模型。它的缺点是迭代次数可能较多,计算复杂度较高。另外,Ransac算法对于数据的分布假设敏感,如果数据分布不符合假设,可能会导致算法性能下降。    

2 Python代码

# -*- coding: utf-8 -*-
"""
@Time : 2023/10/17 14:13
@Auth : RS迷途小书童
@File :Ransac线性回归.py
@IDE :PyCharm
"""
import numpy as np  # 导入numpy库,用于进行数值计算和处理数组
import matplotlib.pyplot as plt  # 导入matplotlib库的pyplot模块,用于绘制图形
import random  # 导入random库,用于生成随机数# 定义生成数据集的参数
SIZE = 500  # 数据点的总数
OUT = 230  # 数据的上限
X = np.linspace(0, 100, SIZE)  # 生成从0到100,共SIZE个数据点的等差数列Y = []  # 创建一个空列表,用于存储所有的数据值# 对于X中的每一个元素,执行以下操作
for i in X:# 生成一个0到10之间的随机整数,如果这个数大于5,执行下面的if语句,否则执行else语句if random.randint(0, 10) > 5:# 从0到OUT之间随机生成一个整数,并添加到Y列表中Y.append(random.randint(0, OUT))else:# 再次生成一个0到10之间的随机整数,如果这个数大于5,执行下面的if语句,否则执行else语句if random.randint(0, 10) > 5:# 根据当前元素i和随机生成的数值计算出一个新的y值,并添加到Y列表中Y.append(3 * i + 10 + 3 * random.random())else:Y.append(3 * i + 10 - 3 * random.random())  # 同上,只是计算公式略有不同list_x = np.array(X)  # 将X转换为numpy数组,方便后续的数据处理和计算
list_y = np.array(Y)  # 将Y转换为numpy数组,方便后续的数据处理和计算# 使用matplotlib库绘制原始数据点的散点图
plt.scatter(list_x, list_y)  # 在二维平面上绘制原始数据点,使用散点图展示
plt.show()  # 显示绘制的图形def linear_regression(list_x, list_y):# 进行迭代操作,寻找最佳的线性回归模型参数a和biters = 10000  # 迭代次数epsilon = 3  # 内点的误差阈值threshold = (SIZE - OUT) / SIZE + 0.01  # 阈值,用于控制早停(early stopping)策略best_a, best_b = 0, 0  # 最佳线性回归模型的参数,初始值为0pre_total = 0  # 内点数量的初始值,初始为0# 进行迭代操作,寻找最佳的线性回归模型参数a和bfor i in range(iters):# 从SIZE个数据点中随机选择两个点,索引存储在sample_index中sample_index = random.sample(range(SIZE), 2)x_1 = list_x[sample_index[0]]  # 获取第一个点的x值x_2 = list_x[sample_index[1]]  # 获取第二个点的x值y_1 = list_y[sample_index[0]]  # 获取第一个点的y值y_2 = list_y[sample_index[1]]  # 获取第二个点的y值# 根据两个点的坐标计算出线性回归模型的斜率a和截距ba = (y_2 - y_1) / (x_2 - x_1)  # 计算斜率ab = y_1 - a * x_1  # 计算截距btotal_in = 0  # 内点计数器,初始值为0# 对于每一个数据点,计算其对应的预测值,并与真实值进行比较,如果误差小于epsilon,则认为此点为内点,计数器加1for index in range(SIZE):y_estimate = a * list_x[index] + b  # 根据线性回归模型计算出预测值if abs(y_estimate - list_y[index]) < epsilon:  # 判断预测值与真实值的误差是否小于epsilontotal_in += 1  # 如果小于epsilon,则此点为内点,计数器加1# 如果当前的内点数量大于之前所有的内点数量,则更新最佳参数a和b,以及内点数量pre_totalif total_in > pre_total:  # 记录最大内点数与对应的参数pre_total = total_inbest_a = abest_b = b# 如果当前的内点数量大于设定的阈值所对应的人数,则跳出循环,不再进行迭代if total_in > SIZE * threshold:  # 如果当前内点数量大于阈值所设定的人数,则跳出循环break  # 跳出循环print("迭代{}次,a = {}, b = {}".format(i, best_a, best_b))  # 输出当前迭代的次数,以及对应的线性回归模型参数a和bx_line = list_x  # 获取x轴的数据y_line = best_a * x_line + best_b  # 根据最佳线性回归模型计算出y轴的数据plt.plot(x_line, y_line, c='r')  # 使用matplotlib库绘制出线性回归模型的直线图,并用红色表示plt.scatter(list_x, list_y)  # 使用matplotlib库绘制出原始数据的散点图,并用其他颜色表示plt.show()  # 显示绘制的图形linear_regression(list_x, list_y)

3 总结

        Ransac线性回归是一种强大的线性回归方法,尤其适用于处理包含异常值和噪声的数据集。通过随机抽样一致性原则,Ransac算法能够从数据中筛选出可靠的基础样本,并基于此估计线性模型的参数。与传统的线性回归相比,Ransac算法具有更好的鲁棒性、灵活性、计算效率和可解释性。在实际应用中,Ransac线性回归已被广泛应用于各种领域,如回归预测、特征选择和异常检测等。通过与其他技术和方法的结合,Ransac线性回归还有望在未来进一步扩展其应用范围和性能。总之,Ransac线性回归是一种值得深入研究和应用的线性回归方法。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/559004.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

异常解析————Parameter metadata not available for the given statement

引言 在将数据存入mysql数据库时抛出异常&#xff1a;Parameter metadata not available for the given statement。参数元数据对于给定的声明不可用。 SQL本身并没有错误&#xff1a; Autowiredprivate JdbcTemplate jdbc;public Integer saveScenicSequence(ScenicSequence…

Java中HashMap的常用操作

Java中HashMap的常用操作HashMap<Integer, Integer> hashMap new HashMap<>();hashMap.put(5, 2);hashMap.put(9, 2);hashMap.put(8, 1);hashMap.put(7, 3);hashMap.put(16, 1);hashMap.put(10, 2);hashMap.put(6, 2);//其实下面两个键值对是没有存的hashMap.put(…

MySQL忽略主键冲突,避免重复插入数据的三种方式

方案一&#xff1a;ignore 插入时检索主键列表&#xff0c;如存在相同主键记录&#xff0c;不更改原纪录&#xff0c;只插入新的记录。 INSERT IGNORE INTO ignore关键字所修饰的SQL语句执行后&#xff0c;在遇到主键冲突时会返回一个0&#xff0c;代表并没有插入此条数据。…

SQL分页查询的介绍以及好处~~

SQL分页查询的介绍以及好处~~分页查询就是将过多的结果在有限的界面上分多页来显示&#xff0c;一般将分页查询分为两类&#xff1a; 逻辑分页、物理分页。 逻辑分页是在用户第一次访问时&#xff0c;将数据库的所有记录全部查询出来&#xff0c;添加到一个大集合中&#xff0c…

Swagger使用————接口参数注解的使用缺陷

问题描述 在使用springboot开发web项目时&#xff0c;用到了swagger框架&#xff0c;来生成web api文档。但是其中有一项是举例说明参数的结构&#xff0c;如下图&#xff1a;但是&#xff0c;这个功能真的是非常方便&#xff0c;因为可以让前端开发人员第一时间得知参数的内部…

分布式事务最终一致性常用方案

分布式事务最终一致性常用方案目前的应用系统&#xff0c;不管是企业级应用还是互联网应用&#xff0c;最终数据的一致性是每个应用系统都要面临的问题&#xff0c;随着分布式的逐渐普及&#xff0c;数据一致性更加艰难&#xff0c;但是也很难有银弹的解决方案&#xff0c;也并…

数据列表的分页实现————分页敏捷开发

概要 分页功能是比较常见的基础功能&#xff0c;虽然比较简单&#xff0c;但是每次需要用到这个功能的时候还是需要现写一遍。为了实现更加宏观的业务复用&#xff0c;特将本人特别喜欢的简易分页逻辑在此记述&#xff0c;以备日后重用。 逻辑描述 一般的分页实现方式多是通…

Java基础————理解Integer对象的缓存策略

一个简单的面试题public static void main(String[] args) {Integer in1 100;Integer in2 100;Integer in3 200;Integer in4 200;System.out.println(in1 in2);System.out.println(in3 in4);} 运行结果&#xff1a; true false 从自动装箱谈Integer缓存 上述面试题中&…

Java面试日常总结大杂烩

日常总结大杂烩&#xff1a;一。 取出特定行数的数据1. select* from 表名 limit m,n; 2. select * from 表名 limit [offset,] rows;1. m代表从m1条记录行开始检索&#xff0c;n代表取出n条数据。&#xff08;m可设为0&#xff09;如&#xff1a;select * from表名 limit 6,5…

Eclipse深度患者设置VSCode快捷键

VSCode设置Eclipse中常用的快捷键 将eclipse中一些基本的快捷键输入右侧用户快捷键设置中&#xff1a; // Place your key bindings in this file to overwrite the defaults [{ "key": "alt/", "command": "editor.action.triggerSugges…

Java基础日常总结!!

Java基础日常总结&#xff01;&#xff01;1. Java的字符类型采用的是Unicode编码方案&#xff0c;每个Unicode码占用( )个比特位 在java中一个unicode占2个字节&#xff08;byte&#xff09;.一个字节等于8比特位&#xff08;bit&#xff09;.所以每个Unicode码占用 16 个比特…

NodeJS学习————关于let和const命令的使用理解

let的基本用法 在新的js规范ES6中&#xff0c;新增了let 命令&#xff0c;用来声明变量。用法类似于var&#xff0c;但不同的是所声明的变量&#xff0c;只在let 命令所在的代码块内有效。 { let a 10; var b 10; } //ReferenceError: a is not defined console.log(a …

forward和redirect的区别是什么?

forward和redirect是什么&#xff1f; 是servlet种的两种主要的跳转方式。forward又叫转发&#xff0c;redirect叫做重定向。 区别&#xff1a;&#xff08;本地效应次数&#xff09; 地址栏&#xff0c;数据共享&#xff0c;应用场景&#xff0c;效率&#xff0c;本质&…

MYSQL的索引类型:PRIMARY, INDEX,UNIQUE,FULLTEXT,SPAIAL 有什么区别?各适用于什么场合?

一、MySQL索引类型 MySql常见索引类型有&#xff1a;主键索引、唯一索引、普通索引、全文索引、组合索引 PRIMARY KEY&#xff08;主键索引&#xff09; ALTER TABLE table_name ADD PRIMARY KEY ( column ) UNIQUE(唯一索引) ALTER TABLE table_name ADD UNIQUE (colu…

Servlet入门总结

一、了解Servlet的概念Servlet定义&#xff1a;Servlet是基于Java技术的Web组件&#xff0c;由容器管理并产生动态的内容。Servlet引擎作为WEB服务器的扩展提供支持Servlet的功能。Servlet与客户端通过Servlet容器实现的请求/响应模型进行交互。 注意&#xff1a;Servlet不是从…

MySQL日期类型的处理总结

一、概述 MySQL中的日期类型包括以下5种&#xff1a; 类型大小 (字节)范围格式用途DATE31000-01-01/9999-12-31YYYY-MM-DD日期值TIME3-838:59:59/838:59:59HH:MM:SS时间值或持续时间YEAR11901/2155YYYY年份值DATETIME81000-01-01 00:00:00/9999-12-31 23:59:59YYYY-MM-DD HH:…

详解HTTP协议~~~

详解HTTP协议~~~HTTP 简介HTTP协议是Hyper Text Transfer Protocol&#xff08;超文本传输协议&#xff09;的缩写,是用于从万维网&#xff08;WWW:World Wide Web &#xff09;服务器传输超文本到本地浏览器的传送协议。。HTTP是一个基于TCP/IP通信协议来传递数据&#xff08;…

MyBatis基础知识概述

一、依赖配置 添加依赖即可&#xff0c;jar包或pom依赖&#xff1a; <dependency><groupId>org.mybatis</groupId><artifactId>mybatis</artifactId><version>x.x.x</version> </dependency> 二、SqlSessionFactory 2.1 什…

Mybatis Plus————代码生成器

代码生成器 MyBatis Plus是MyBatis的扩展框架&#xff0c;而代码生成器是MP的核心功能之一&#xff0c;另外还有 “条件构造器”和“通用CRUD”等功能。 步骤演示 mp的代码生成器有两种方式自动生成代码&#xff0c;一种是通过main方法来执行程序&#xff0c;另一种是通过maven…

Spring MVC 流程图解析

Spring MVC 流程图解析Spring MVC工作流程图图一图二 SpringMVC工作流程描述DispatcherServlet&#xff0c;HandlerMapping&#xff0c;HandlerExecutionChain&#xff0c;HandlerAdapter&#xff0c;HttpMessageConveter&#xff0c;BindingResult&#xff0c;ModelAndView&am…