数据分析(三)线性回归模型实现

1. 惩罚线性回归模型概述

线性回归在实际应用时需要对普通最小二乘法进行一些修改。普通最小二乘法只在训练数据上最小化错误,难以顾及所有数据。

惩罚线性回归方法是一族用于克服最小二乘法( OLS)过拟合问题的方法。岭回归是惩罚线性回归的一个特例。岭回归通过对回归系数的平方和进行惩罚来避免过拟合。其他惩罚回归算法使用不同形式的惩罚项。

下面几个特点使得惩罚线性回归方法非常有效:

--模型训练足够快速。

--变量的重要性信息。

--部署时的预测足够快速。

--在各种问题上性能可靠,尤其对样本并不明显多于属性的属性矩阵,或者非常稀疏的矩阵。希望模型为稀疏解(即只使用部分属性进行预测的吝啬模型)。

--问题可能适合使用线性模型来解决。

公式 4-6 可以用如下语言描述:向量 beta 是以及常量 beta 零星是使期望预测的均方

错误最小的值,期望预测的均方错误是指在所有数据行(i=1,...,n)上计算 yi 与预测生成

yi 之间的错误平方的平均。

岭惩罚项对于惩罚回归来说并不是唯一有用的惩罚项。任何关于向量长度的指标都可以。使用不同的长度指标可以改变解的重要性。岭回归应用欧式几何的指标(即 β 的平方和)。另外一个有用的算法称作套索(Lasso)回归,该回归源于出租车的几何路径被称作曼哈顿距离或者 L1 正则化(即 β 的绝对值的和)。ElasticNet 惩罚项包含套索惩罚项以及岭惩罚项。

2. 求解惩罚线性回归问题

有大量通用的数值优化算法可以求解公式 4-6、公式 4-8 以及公式 4-11 对应的优化问题,但是惩罚线性回归问题的重要性促使研究人员开发专用算法,从而能够非常快地生成解。本文将对这些算法进行介绍并且运行相关代码,重点介绍2种算法:最小角度回归 LARS 以及 Glmnet。

LARS 算法可以理解为一种改进的前向逐步回归算法。

之所以介绍 LARS 算法是因为该算法非常接近于套索以及前向逐步回归, LARS 算法很容易理解并且实现起来相对紧凑。通过研究 LARS 的代码,你会理解针对更一般的 ElasticNet 回归求解的具体过程,并且会了解惩罚回归求解的细节。

3. 完整代码(code)

from math import sqrt
import pandas as pd
import matplotlib.pyplot as plt
from tqdm import tqdmdef x_normalized(xList, xMeans, xSD):nrows = len(xList)ncols = len(xList[0])xNormalized = []for i in range(nrows):rowNormalized = [(xList[i][j] - xMeans[j]) / xSD[j] for j in range(ncols)]xNormalized.append(rowNormalized)def data_normalized(wine):nrows, ncols = wine.shapewineNormalized = winefor i in range(ncols):mean = summary.iloc[1, i]sd = summary.iloc[2, i]wineNormalized.iloc[:, i:(i + 1)] = (wineNormalized.iloc[:, i:(i + 1)] - mean) / sdreturn wineNormalizeddef calculate_betaMat(nSteps, stepSize, wineNormalized):nrows, ncols = wineNormalized.shape# initialize a vector of coefficients beta(系数初始化)beta = [0.0] * (ncols - 1)# initialize matrix of betas at each step(系数矩阵初始化)betaMat = []betaMat.append(list(beta))# initialize residuals list(误差初始化)residuals = [0.0] * nrowsfor i in tqdm(range(nSteps)):# calculate residuals(计算误差)for j in range(nrows):residuals[j] = wineNormalized.iloc[j, (ncols - 1)]for k in range(ncols - 1):residuals[j] += - wineNormalized.iloc[j, k] * beta[k]# calculate correlation between attribute columns from normalized wine and residual(变量与误差相关系数)corr = [0.0] * (ncols - 1)for j in range(ncols - 1):for k in range(nrows):corr[j] += wineNormalized.iloc[k, j] * residuals[k] / nrowsiStar = 0corrStar = corr[0]for j in range(1, (ncols - 1)):if abs(corrStar) < abs(corr[j]):  # 相关性大的放前面iStar = jcorrStar = corr[j]beta[iStar] += stepSize * corrStar / abs(corrStar)  # 系数betaMat.append(list(beta))return betaMatdef plot_betaMat1(betaMat):ncols = len(betaMat[0])for i in range(ncols):# plot range of beta values for each attributecoefCurve = betaMat[0:nSteps][i]plt.plot(coefCurve)plt.xlabel("Attribute Index")plt.ylabel(("Attribute Values"))plt.show()def plot_betaMat2(nSteps, betaMat):ncols = len(betaMat[0])for i in range(ncols):# plot range of beta values for each attributecoefCurve = [betaMat[k][i] for k in range(nSteps)]xaxis = range(nSteps)plt.plot(xaxis, coefCurve)plt.xlabel("Steps Taken")plt.ylabel(("Coefficient Values"))plt.show()def S(z, gamma):if gamma >= abs(z):return 0.0return (z / abs(z)) * (abs(z) - gamma)if __name__ == '__main__':target_url = "http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv"wine = pd.read_csv(target_url, header=0, sep=";")# normalize the wine datasummary = wine.describe()print(summary)# 数据标准化wineNormalized = data_normalized(wine)# number of steps to take(训练步数)nSteps = 100stepSize = 0.1betaMat = calculate_betaMat(nSteps, stepSize, wineNormalized)plot_betaMat1(betaMat)
# ----------------------------larsWine---------------------------------------------------# read data into iterablenames = wine.columnsxList = []labels = []firstLine = Truefor i in range(len(wine)):row = wine.iloc[i]# put labels in separate arraylabels.append(float(row[-1]))# convert row to floatsfloatRow = row[:-1]xList.append(floatRow)# Normalize columns in x and labelsnrows = len(xList)ncols = len(xList[0])# calculate means and variances(计算均值和方差)xMeans = []xSD = []for i in range(ncols):col = [xList[j][i] for j in range(nrows)]mean = sum(col) / nrowsxMeans.append(mean)colDiff = [(xList[j][i] - mean) for j in range(nrows)]sumSq = sum([colDiff[i] * colDiff[i] for i in range(nrows)])stdDev = sqrt(sumSq / nrows)xSD.append(stdDev)# use calculate mean and standard deviation to normalize xList(X标准化)xNormalized = x_normalized(xList, xMeans, xSD)# Normalize labels: 将属性及标签进行归一化meanLabel = sum(labels) / nrowssdLabel = sqrt(sum([(labels[i] - meanLabel) * (labels[i] - meanLabel) for i in range(nrows)]) / nrows)labelNormalized = [(labels[i] - meanLabel) / sdLabel for i in range(nrows)]# initialize a vector of coefficients betabeta = [0.0] * ncols# initialize matrix of betas at each stepbetaMat = []betaMat.append(list(beta))# number of steps to takenSteps = 350stepSize = 0.004nzList = []for i in range(nSteps):# calculate residualsresiduals = [0.0] * nrowsfor j in range(nrows):labelsHat = sum([xNormalized[j][k] * beta[k] for k in range(ncols)]) residuals[j] = labelNormalized[j] - labelsHat  # 计算残差# calculate correlation between attribute columns from normalized wine and residualcorr = [0.0] * ncolsfor j in range(ncols):corr[j] = sum([xNormalized[k][j] * residuals[k] for k in range(nrows)]) / nrows  # 每个属性和残差的关联iStar = 0corrStar = corr[0]for j in range(1, (ncols)):  # 逐个判断哪个属性对降低残差贡献最大if abs(corrStar) < abs(corr[j]):  # 好的(最大关联)特征会排到列表前面,应该保留,不太好的特征会排到最后iStar = jcorrStar = corr[j]beta[iStar] += stepSize * corrStar / abs(corrStar)  # 固定增加beta变量值,关联为正增量为正;关联为负,增量为负betaMat.append(list(beta))  # 求解得到参数结果nzBeta = [index for index in range(ncols) if beta[index] != 0.0]for q in nzBeta:if q not in nzList:  # 对于每一迭代步,记录非零系数对应索引nzList.append(q)nameList = [names[nzList[i]] for i in range(len(nzList))]print(nameList)plot_betaMat2(nSteps, betaMat)  # 绘制系数曲线# -------------------------------larsWine 10折交叉------------------------------------------------# Build cross-validation loop to determine best coefficient values.# number of cross validation foldsnxval = 10# number of steps and step sizenSteps = 350stepSize = 0.004# initialize list for storing errors.errors = []  # 记录每一步迭代的错误for i in range(nSteps):b = []errors.append(b)for ixval in range(nxval):  # 10折交叉验证# Define test and training index setsidxTrain = [a for a in range(nrows) if a % nxval != ixval * nxval]idxTest = [a for a in range(nrows) if a % nxval == ixval * nxval]# Define test and training attribute and label setsxTrain = [xNormalized[r] for r in idxTrain]  # 训练集labelTrain = [labelNormalized[r] for r in idxTrain]xTest = [xNormalized[r] for r in idxTest]  # 测试集labelTest = [labelNormalized[r] for r in idxTest]# Train LARS regression on Training DatanrowsTrain = len(idxTrain)nrowsTest = len(idxTest)# initialize a vector of coefficients betabeta = [0.0] * ncols# initialize matrix of betas at each stepbetaMat = []betaMat.append(list(beta))for iStep in range(nSteps):# calculate residualsresiduals = [0.0] * nrowsfor j in range(nrowsTrain):labelsHat = sum([xTrain[j][k] * beta[k] for k in range(ncols)])residuals[j] = labelTrain[j] - labelsHat# calculate correlation between attribute columns from normalized wine and residualcorr = [0.0] * ncolsfor j in range(ncols):corr[j] = sum([xTrain[k][j] * residuals[k] for k in range(nrowsTrain)]) / nrowsTrainiStar = 0corrStar = corr[0]for j in range(1, (ncols)):if abs(corrStar) < abs(corr[j]):iStar = jcorrStar = corr[j]beta[iStar] += stepSize * corrStar / abs(corrStar)betaMat.append(list(beta))# Use beta just calculated to predict and accumulate out of sample error - not being used in the calc of betafor j in range(nrowsTest):labelsHat = sum([xTest[j][k] * beta[k] for k in range(ncols)])err = labelTest[j] - labelsHaterrors[iStep].append(err)cvCurve = []for errVect in errors:mse = sum([x * x for x in errVect]) / len(errVect)cvCurve.append(mse)minMse = min(cvCurve)minPt = [i for i in range(len(cvCurve)) if cvCurve[i] == minMse][0]print("Minimum Mean Square Error", minMse)print("Index of Minimum Mean Square Error", minPt)xaxis = range(len(cvCurve))plt.plot(xaxis, cvCurve)plt.xlabel("Steps Taken")plt.ylabel(("Mean Square Error"))plt.show()# -------------------------------glmnet larsWine2------------------------------------------------# select value for alpha parameteralpha = 1.0# make a pass through the data to determine value of lambda that# just suppresses all coefficients.# start with betas all equal to zero.xy = [0.0] * ncolsfor i in range(nrows):for j in range(ncols):xy[j] += xNormalized[i][j] * labelNormalized[i]maxXY = 0.0for i in range(ncols):val = abs(xy[i]) / nrowsif val > maxXY:maxXY = val# calculate starting value for lambdalam = maxXY / alpha# this value of lambda corresponds to beta = list of 0's# initialize a vector of coefficients betabeta = [0.0] * ncols# initialize matrix of betas at each stepbetaMat = []betaMat.append(list(beta))# begin iterationnSteps = 100lamMult = 0.93  # 100 steps gives reduction by factor of 1000 in# lambda (recommended by authors)nzList = []for iStep in range(nSteps):# make lambda smaller so that some coefficient becomes non-zerolam = lam * lamMultdeltaBeta = 100.0eps = 0.01iterStep = 0betaInner = list(beta)while deltaBeta > eps:iterStep += 1if iterStep > 100:break# cycle through attributes and update one-at-a-time# record starting value for comparisonbetaStart = list(betaInner)for iCol in range(ncols):xyj = 0.0for i in range(nrows):# calculate residual with current value of betalabelHat = sum([xNormalized[i][k] * betaInner[k] for k in range(ncols)])residual = labelNormalized[i] - labelHatxyj += xNormalized[i][iCol] * residualuncBeta = xyj / nrows + betaInner[iCol]betaInner[iCol] = S(uncBeta, lam * alpha) / (1 + lam * (1 - alpha))sumDiff = sum([abs(betaInner[n] - betaStart[n]) for n in range(ncols)])sumBeta = sum([abs(betaInner[n]) for n in range(ncols)])deltaBeta = sumDiff / sumBetaprint(iStep, iterStep)beta = betaInner# add newly determined beta to listbetaMat.append(beta)# keep track of the order in which the betas become non-zeronzBeta = [index for index in range(ncols) if beta[index] != 0.0]for q in nzBeta:if q not in nzList:nzList.append(q)# print out the ordered list of betasnameList = [names[nzList[i]] for i in range(len(nzList))]print(nameList)nPts = len(betaMat)plot_betaMat2(nPts, betaMat)  # 绘制系数曲线

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/793374.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

【机器学习理论】2023 Spring Homework 2 Solution

注:此答案为非官方但正确的答案 Problem 1 (Empirical and Average Rademacher Complexity): In class, we defined the Rademacher complexity of a function set H \mathcal{H} H as R n ( H ) = E S

关于rabbitmq的prefetch机制

消息预取机制&#xff08;Prefetch Mechanism&#xff09;是RabbitMQ中用于控制消息传递给消费者的一种机制。它定义了在一个信道上&#xff0c;消费者允许的最大未确认的消息数量。一旦未确认的消息数量达到了设置的预取值&#xff0c;RabbitMQ就会停止向该消费者发送更多消息…

PS从入门到精通视频各类教程整理全集,包含素材、作业等(8)

PS从入门到精通视频各类教程整理全集&#xff0c;包含素材、作业等 最新PS以及插件合集&#xff0c;可在我以往文章中找到 由于阿里云盘有分享次受限制和文件大小限制&#xff0c;今天先分享到这里&#xff0c;后续持续更新 B站-PS异闻录&#xff1a;萌新系统入门课课程视频 …

2024年最新社交相亲系统源码下载

最新相亲系统源码功能介绍 参考&#xff1a;相亲系统源码及功能详细介绍 相亲系统主要功能 &#xff08;已完成&#xff09; 相亲系统登录注册 相亲系统会员列表 相亲系统会员搜索 相亲系统会员详情 相亲系统会员身份认证 - 对接阿里云 相亲系统资源存储 - 对接七…

大意了MySQL关键字EXPLAIN

一、问题 然后explain带了单引号、以区别其关键字 二、报错如下 1064 - You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near explain, us.nickname AS user_send_nickname, ua.nickname…

学习鸿蒙基础(12)

目录 一、网络json-server配置 &#xff08;1&#xff09;然后输入&#xff1a; &#xff08;2&#xff09;显示下载成功。但是输入json-server -v的时候。报错。 &#xff08;3&#xff09;此时卸载默认的json-server &#xff08;4&#xff09;安装和nodejs匹配版本的js…

页面刚加载的时候显示自己定义的{{***}}然后一闪而过

这时候别用插值表达式语法了&#xff0c;直接用v-text或者v-html就能解决这个问题 但是有个问题&#xff0c;如下图所示&#xff1a; 具体bind使用方式&#xff0c;如下图所示&#xff1a; 但是v-bind也可以进行简写&#xff0c;就是去掉v-bind&#xff0c;直接写&#xff1a…

2404d,d语言支持源码包

原文 支持源码包文件 这是个编译器功能,而不是D语言功能. 与给链接器提供目标文件库方式类似,给编译器添加源码包文件支持.包(及其所有子文件)都可成为源码包文件. 然后,把源码包文件提供给编译器,而不是包含大量文件的目录.即,如,可按一个(std.sar)文件分发所有的标准库. …

什么是typescript?

typescript并不是一种全新的语言&#xff0c;准确来说是js的一种超级&#xff0c;任何合法的js代码都是可以在typescript上运行&#xff0c;反过来说&#xff0c;ts上包含着一些js上一些没有的功能 ts包含着目前很多主流的标准&#xff0c;甚至包含了很多目前正在实验的语法。…

如何正确使用reflect:Go反射规范与最佳实践

在Go语言中,reflect包提供了一种强大的机制,允许我们在运行时检查和操作类型信息。正确使用reflect可以帮助我们编写更灵活和动态的代码。以下是一些如何正确使用reflect的示例和最佳实践: 1. 理解reflect.Type和reflect.Value 首先,我们需要理解reflect.Type和reflect.V…

Claude-3超越GPT-4:下一代AI在编程、学术和写作领域的突破

在当今这个信息爆炸的时代&#xff0c;人工智能技术的进步为我们提供了前所未有的便利。尤其是在编程、学术研究和专业写作等领域&#xff0c;AI的辅助作用变得尤为重要。最近&#xff0c;我有幸体验了一款新型的人工智能工具——Claude-3&#xff0c;它的表现让我惊讶不已&…

golang 归并回源策略

前言 下面是我根据业务需求画了一个架构图&#xff0c;没有特别之处&#xff0c;很普通&#xff0c;都是我们常见的中间件&#xff0c;都是一些幂等性GET 请求。有一个地方很有意思&#xff0c;从service 分别有10000 qps 请求到Redis&#xff0c;并且它们的key 是一样的。这样…

小于n的最大数 Leetcode 902 Numbers At Most N Given Digit Set

这两个问题的本质就是一个棵树&#xff0c;然后根据n对树做剪枝。难点在于剪的时候边界条件有些坑&#xff0c;get_lower_largest_digit_dic是这两个题目的共同点 题目一&#xff1a; 小于n的最大数 算法题目&#xff1a;小于n的最大数 问题描述&#xff1a;给一个数组nums[5…

『python爬虫』巨量http代理使用 每天白嫖1000ip(保姆级图文)

目录 注册 实名得到API链接和账密 Python3requests调用Scpay总结 欢迎关注 『python爬虫』 专栏&#xff0c;持续更新中 欢迎关注 『python爬虫』 专栏&#xff0c;持续更新中 注册 实名 注册巨量http 用户概览中领取1000ip,在动态代理中使用.用来测试一下还是不错的 得到AP…

什么是rsync协议

2024年4月5日&#xff0c;周五上午 rsync协议是一种用于文件同步和传输的协议&#xff0c;旨在高效地在两个位置之间传输文件或文件夹&#xff0c;并且在传输时只传输文件的差异部分&#xff0c;从而减少带宽占用和传输时间。 以下是rsync协议的主要特点和工作原理&#xff1a…

Ribbon有哪些负载均衡策略

负载均衡类都实现了IRule接口。 RandomRule&#xff1a;随机的选用一个实例 RoundRobinRule&#xff1a;轮询的使用实例 RetryRule&#xff1a;在轮询的基础上加了一个错误重试机制&#xff0c;在deadline时间内会不断的重试 WeightResponeTimeRule&#xff1a;根据权重去做…

55555555555555

欢迎关注博主 Mindtechnist 或加入【Linux C/C/Python社区】一起学习和分享Linux、C、C、Python、Matlab&#xff0c;机器人运动控制、多机器人协作&#xff0c;智能优化算法&#xff0c;滤波估计、多传感器信息融合&#xff0c;机器学习&#xff0c;人工智能等相关领域的知识和…

Spring-Boot社区论坛

技术栈 JDK8Spring-BootMyBatisShiroFreemarkerMySQLBootstrap3 特性 社区兼容性&#xff08;IE9&#xff09;页面自适应布局本地登录&#xff0c;注册登录时有验证码使用 Spring-Boot 开发使用MyBatis操作数据库目前sql语句只支持MySQL&#xff0c;如果要切换数据库&#x…

15、Lua 元表(Metatable)

Lua 元表 Lua 元表(Metatable)__index 元方法__newindex 元方法为表添加操作符__call 元方法__tostring 元方法 Lua 元表(Metatable) 在Lua table 中我们可以访问对应的key来得到value值&#xff0c;但是却无法对两个 table 进行操作。 因此Lua 提供了元表(Metatable)&#xf…

《QT实用小工具·十二》邮件批量发送工具

1、概述 源码放在文章末尾 该项目实现了邮件的批量发送&#xff0c;如下图所示&#xff1a; 项目部分代码如下所示&#xff1a; #ifndef SMTPCLIENT_H #define SMTPCLIENT_H#include <QtGui> #include <QtNetwork> #if (QT_VERSION > QT_VERSION_CHECK(5,0,…