回归-线性回归算法（房价预测项目）
回归-线性回归算法（房价预测项目）
文章目录
简介
线性回归（Linear Regression）是回归任务中最常见的算法，利用回归方程对自变量和因变量进行建模，且因变量和自变量之间是线性关系而得名，从而可以根据已知数据预测未来数据，如房价预测、PM2.5预测等。
其中，只有一个自变量则称为一元线性回归，包含多个自变量则成为多元线性回归。
如下图，根据已知数据点（蓝色），建模得到红色的回归方程，表示自变量和因变量关系，从而可以输入新的自变量，得到预测值（因变量）。
预测函数定义为：
向量形式为：
尽可能贴近目标函数。那又要如何评价当前构建出来的模型怎么样，评价两个模型的优劣，并如何向目标函数不断靠近呢？
即使用损失函数和优化算法。
损失函数
损失函数就是定义当前函数和目标函数之间的差异，并且我们期望这个差异（损失）越小越好。
使用误差平方和SSE来表示损失，即预测值和真实值差的平方求和，该方法也称为最小二乘法，二乘即平方的意思，求最小的损失。
总损失定义为：
也就是使下图中黄色长度之和最小。
优化算法
正规方程
利用高中知识，求一个函数的最小值，我们可以求导，在导数为0处取得最小值。
使用numpy和scipy提供的矩阵运算，可以得到代码实现：
def Regres(X, Y):
x = mat(X) # 创建矩阵
y = mat(Y).T # 处理y为一列
if linalg.det(x.T * x) == 0.0: # 不可逆
return 0
else:
return (x.T * x).I * (x.T * y)梯度下降
如果可逆，通过正规方程可以一步到位求得最优模型的参数w。但如果不可逆，就不能使用该方法了。
使用梯度下降可以求得最小的损失值，其主要思想是求偏导按照梯度上升最快的方向进行求解，取其梯度反方向，即梯度下降。
比如三维特征中，其平面图可以像是山峰和谷底，那我们就是要从山峰出发，从最陡（梯度最大）的方向进行下山，从而到达谷底取最小值，但往往可能陷入其它谷底，只取到了极小值，可以修改步长（学习率）。
梯度下降算法内容较多，另起一篇博客介绍，挖个坑。
上图摘自网络。
（
插播反爬信息）博主CSDN地址：https://wzlodq.blog.csdn.net/
项目实战
使用波士顿房价数据集，sklearn内置了该数据集，也是Kaggle中的一个入门练习。共506条数据，13个特征。
sklearn库提供了两个线性模型API：
LinearRegression()正规方程
fit_intercept：默认True，是否计算偏置 normalize：默认False，是否中心化 copy_X：默认True，否则X会被改写 n_jobs：默认为1，表示使用CPU的个数。当-1时，代表使用全部CPU
LinearRegression.coef_：回归系数 LinearRegression.intercept_：偏置
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# 正规方程
# 获取数据
boston = load_boston()
# 划分训练集测试集
x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=20221001)
# 特征工程
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)
# 训练模型
model = LinearRegression()
model.fit(x_train, y_train)
# 测试模型
y_pre = model.predict(x_test)
print("预测值：", y_pre)
# 评估模型
print("准确率：", model.score(x_test, y_test))
print("均方误差：", mean_squared_error(y_test, y_pre))
SGDRegressor()随机梯度下降
loss：损失函数，squared_loss最小二乘法 fit_intercept：是否计算偏置 learning_rate：学习率，“constant”：eta = eta0；“optimal”：eta = 1.0 / (alpha * (t + t0))；“invscaling”：eta = eta0 / pow(t, power_t)
SGDRegressor.coef_：回归系数 SGDRegressor.intercept_：偏置
from sklearn.datasets import load_boston
from sklearn.linear_model import SGDRegressor
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# 随机梯度下降
# 获取数据
boston = load_boston()
# 划分训练集测试集
x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=20221001)
# 特征工程
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)
# 训练模型
model = SGDRegressor()
model.fit(x_train, y_train)
# 测试模型
y_pre = model.predict(x_test)
print("预测值：", y_pre)
# 评估模型
print("准确率：", model.score(x_test, y_test))
print("均方误差：", mean_squared_error(y_test, y_pre))
原创不易，请勿转载（
本不富裕的访问量雪上加霜） 博主首页：https://wzlodq.blog.csdn.net/ 来都来了，不评论两句吗👀 如果文章对你有帮助，记得一键三连❤