东方耀AI技术分享
标题:
11、机器学习实战案例:普通最小二乘法求线性回归_笔记
[打印本页]
作者:
东方耀
时间:
2018-3-30 15:28
标题:
11、机器学习实战案例:普通最小二乘法求线性回归_笔记
11、机器学习实战案例:普通最小二乘法求线性回归_笔记
# -*- coding: utf-8 -*-
__author__ = 'dongfangyao'
__date__ = '2018/3/29 下午4:17'
__product__ = 'PyCharm'
__filename__ = 'least_squares1'
# 线性回归的类
from sklearn.linear_model import LinearRegression
# 原始数据= 训练数据 + 测试数据 数据划分的类
from sklearn.model_selection import train_test_split
# 数据标准化
from sklearn.preprocessing import StandardScaler
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
from pandas import DataFrame
import time
## 设置字符集,防止中文乱码
mpl.rcParams['font.family'] = 'sans-serif'
mpl.rcParams['font.sans-serif'] = 'SimHei'
mpl.rcParams['axes.unicode_minus'] = False
# 加载数据
# 日期、时间、有功功率、无功功率、电压、电流、厨房用电功率、洗衣服用电功率、热水器用电功率
path1 = 'datas/household_power_consumption_1000.txt'
df = pd.read_csv(path1, sep=';', low_memory=False)
# 没有混合类型的时候可以通过low_memory=False调用更多内存,加快效率)
# print(df.head(2))
# print(df.index)
# print(df.columns)
# 查看数据结构
# print(df.info())
# 异常数据处理(异常数据过滤)
# 替换非法字符为np.nan
new_df = df.replace('?', np.nan)
# 只要有一个数据为空,就进行行删除操作
datas = new_df.dropna(axis=0, how='any')
# 观察数据的多种统计指标(只能看数值型的 本来9个的变7个了)
# print(datas.describe().T)
# 需求:构建时间和功率之间的映射关系,可以认为:特征属性为时间;目标属性为功率值。
# 获取x和y变量, 并将时间转换为数值型连续变量
# 创建一个时间函数格式化字符串
def date_format(dt):
# dt显示是一个Series
# print(dt.index)
# print(dt)
t = time.strptime(' '.join(dt), '%d/%m/%Y %H:%M:%S')
return (t.tm_year, t.tm_mon, t.tm_mday, t.tm_hour, t.tm_min, t.tm_sec)
X = datas.iloc[:, 0:2]
# print(X)
X = X.apply(lambda x: pd.Series(date_format(x)), axis=1)
Y = datas['Global_active_power']
# print(Y.head(4))
# print(X.head(4))
# print(type(X))
# print(type(Y))
# 对数据集进行测试集、训练集划分
# X:特征矩阵(类型一般是DataFrame)
# Y:特征对应的Label标签或目标属性(类型一般是Series)
# test_size: 对X/Y进行划分的时候,测试集合的数据占比, 是一个(0,1)之间的float类型的值
# random_state: 数据分割是基于随机器进行分割的,该参数给定随机数种子;
# 给一个值(int类型)的作用就是保证每次分割所产生的数数据集是完全相同的
# 默认的随机数种子是当前时间戳 random_state=None的情况下
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=0)
# print(X_train.shape)
# print(X_test.shape)
# print(Y_train.shape)
# print(Y_test.shape)
# 查看训练集上的数据信息(X)
print(X_train.describe().T)
# 特征数据标准化(也可以说是正常化、归一化、正规化)
# StandardScaler:将数据转换为标准差为1的数据集(有一个数据的映射)
# scikit-learn中:如果一个API名字有fit,那么就有模型训练的含义,没法返回值
# scikit-learn中:如果一个API名字中有transform, 那么就表示对数据具有转换的含义操作
# scikit-learn中:如果一个API名字中有predict,那么就表示进行数据预测,会有一个预测结果输出
# scikit-learn中:如果一个API名字中既有fit又有transform的情况下,那就是两者的结合(先做fit,再做transform)
# 模型对象创建
ss = StandardScaler()
# 训练模型并转换训练集
X_train = ss.fit_transform(X_train)
# 直接使用在模型构建数据上进行一个数据标准化操作 (测试集)
X_test = ss.transform(X_test)
# print(X_train.describe().T)
# print(type(X_train))
# print(X_train.shape, X_train.ndim)
print(pd.DataFrame(X_train).describe().T)
# 模型训练
# 模型对象构建
# fit_intercept fit训练 intercept截距
# LinearRegression(fit_intercept=True, normalize=False, copy_X=True, n_jobs=1)
# n_jobs模型训练的任务数 是否并行 并行需要至少2个cpu的 基本没什么用这个参数
lr = LinearRegression(fit_intercept=True)
# 训练模型
lr.fit(X_train, Y_train)
# 模型校验
# 预测结果
y_predict = lr.predict(X_test)
# 回归中的R^2就是准确率 后面会说
print("训练集上R^2:", lr.score(X_train, Y_train))
print("测试集上R^2:", lr.score(X_test, Y_test))
# 预测值与实际值的差值 平方和 再求均值
mse = np.average((y_predict-Y_test)**2)
rmse = np.sqrt(mse)
print("rmse:", rmse)
# 输出模型训练得到的相关参数
# 注意:第1、2、6个系数为0
print("模型的系数(θ):", end="")
print(lr.coef_)
print("模型的截距:", end='')
print(lr.intercept_)
# 模型保存/持久化(跳过)
# 加载模型 并进行预测(跳过)
# 预测值和实际值画图比较
t = np.arange(len(X_test))
# 建一个画布,facecolor是背景色
plt.figure(facecolor='w')
plt.plot(t, Y_test, 'r-', linewidth=2, label='真实值')
plt.plot(t, y_predict, 'g-', linewidth=2, label='预测值')
# 显示图例,设置图例的位置
plt.legend(loc = 'upper left')
plt.title("线性回归预测时间和功率之间的关系", fontsize=20)
# 加网格
plt.grid(b=True)
plt.show()
复制代码
## 功率和电流之间的关系
X = datas.iloc[:,2:4]
Y2 = datas.iloc[:,5]
## 数据分割
X2_train,X2_test,Y2_train,Y2_test = train_test_split(X, Y2, test_size=0.2, random_state=0)
## 数据归一化
scaler2 = StandardScaler()
X2_train = scaler2.fit_transform(X2_train) # 训练并转换
X2_test = scaler2.transform(X2_test) ## 直接使用在模型构建数据上进行一个数据标准化操作
## 模型训练
lr2 = LinearRegression()
lr2.fit(X2_train, Y2_train) ## 训练模型
## 结果预测
Y2_predict = lr2.predict(X2_test)
## 模型评估
print("电流预测准确率: ", lr2.score(X2_test,Y2_test))
print("电流参数:", lr2.coef_)
## 绘制图表
#### 电流关系
t=np.arange(len(X2_test))
plt.figure(facecolor='w')
plt.plot(t, Y2_test, 'r-', linewidth=2, label=u'真实值')
plt.plot(t, Y2_predict, 'g-', linewidth=2, label=u'预测值')
plt.legend(loc = 'lower right')
plt.title(u"线性回归预测功率与电流之间的关系", fontsize=20)
plt.grid(b=True)
plt.show()
复制代码
作者:
东方耀
时间:
2019-9-12 09:31
import numpy as np
from .metrics import r2_score
class LinearRegression:
def __init__(self):
"""初始化Linear Regression模型"""
self.coef_ = None
self.intercept_ = None
self._theta = None
def fit_normal(self, X_train, y_train):
"""根据训练数据集X_train, y_train训练Linear Regression模型"""
assert X_train.shape[0] == y_train.shape[0], \
"the size of X_train must be equal to the size of y_train"
X_b = np.hstack([np.ones((len(X_train), 1)), X_train])
self._theta = np.linalg.inv(X_b.T.dot(X_b)).dot(X_b.T).dot(y_train)
self.intercept_ = self._theta[0]
self.coef_ = self._theta[1:]
return self
def fit_gd(self, X_train, y_train, eta=0.01, n_iters=1e4):
"""根据训练数据集X_train, y_train, 使用梯度下降法训练Linear Regression模型"""
assert X_train.shape[0] == y_train.shape[0], \
"the size of X_train must be equal to the size of y_train"
def J(theta, X_b, y):
try:
return np.sum((y - X_b.dot(theta)) ** 2) / len(y)
except:
return float('inf')
def dJ(theta, X_b, y):
# res = np.empty(len(theta))
# res[0] = np.sum(X_b.dot(theta) - y)
# for i in range(1, len(theta)):
# res[i] = (X_b.dot(theta) - y).dot(X_b[:, i])
# return res * 2 / len(X_b)
return X_b.T.dot(X_b.dot(theta) - y) * 2. / len(X_b)
def gradient_descent(X_b, y, initial_theta, eta, n_iters=1e4, epsilon=1e-8):
theta = initial_theta
cur_iter = 0
while cur_iter < n_iters:
gradient = dJ(theta, X_b, y)
last_theta = theta
theta = theta - eta * gradient
if (abs(J(theta, X_b, y) - J(last_theta, X_b, y)) < epsilon):
break
cur_iter += 1
return theta
X_b = np.hstack([np.ones((len(X_train), 1)), X_train])
initial_theta = np.zeros(X_b.shape[1])
self._theta = gradient_descent(X_b, y_train, initial_theta, eta, n_iters)
self.intercept_ = self._theta[0]
self.coef_ = self._theta[1:]
return self
def fit_sgd(self, X_train, y_train, n_iters=5, t0=5, t1=50):
"""根据训练数据集X_train, y_train, 使用梯度下降法训练Linear Regression模型"""
assert X_train.shape[0] == y_train.shape[0], \
"the size of X_train must be equal to the size of y_train"
assert n_iters >= 1
def dJ_sgd(theta, X_b_i, y_i):
return X_b_i * (X_b_i.dot(theta) - y_i) * 2.
def sgd(X_b, y, initial_theta, n_iters, t0=5, t1=50):
def learning_rate(t):
return t0 / (t + t1)
theta = initial_theta
m = len(X_b)
for cur_iter in range(n_iters):
indexes = np.random.permutation(m)
X_b_new = X_b[indexes]
y_new = y[indexes]
for i in range(m):
gradient = dJ_sgd(theta, X_b_new[i], y_new[i])
theta = theta - learning_rate(cur_iter * m + i) * gradient
return theta
X_b = np.hstack([np.ones((len(X_train), 1)), X_train])
initial_theta = np.random.randn(X_b.shape[1])
self._theta = sgd(X_b, y_train, initial_theta, n_iters, t0, t1)
self.intercept_ = self._theta[0]
self.coef_ = self._theta[1:]
return self
def predict(self, X_predict):
"""给定待预测数据集X_predict,返回表示X_predict的结果向量"""
assert self.intercept_ is not None and self.coef_ is not None, \
"must fit before predict!"
assert X_predict.shape[1] == len(self.coef_), \
"the feature number of X_predict must be equal to X_train"
X_b = np.hstack([np.ones((len(X_predict), 1)), X_predict])
return X_b.dot(self._theta)
def score(self, X_test, y_test):
"""根据测试数据集 X_test 和 y_test 确定当前模型的准确度"""
y_predict = self.predict(X_test)
return r2_score(y_test, y_predict)
def __repr__(self):
return "LinearRegression()"
复制代码
作者:
fglbee
时间:
2019-12-22 20:48
this is good idea
作者:
fglbee
时间:
2019-12-22 20:50
this is good idea
作者:
口果微笑
时间:
2020-3-17 12:40
66666666666
作者:
栀子花
时间:
2020-3-17 17:04
66666666666
作者:
zxyza
时间:
2020-3-24 11:26
非常好非常好,very good
作者:
万物皆虚
时间:
2020-5-22 10:43
非常好非常好,very good
作者:
万物皆虚
时间:
2020-5-22 10:44
非常好非常好,very
good
作者:
万物皆虚
时间:
2020-5-22 10:44
非常好非常好,very good
作者:
万物皆虚
时间:
2020-5-22 10:45
非常好非常好,very good
作者:
EngyHui
时间:
2020-9-24 17:03
老师,这里在多项式扩展没有将translate的值复制到X_Test,导致预测的值是一样的
作者:
kenji1982
时间:
2020-10-19 17:49
6666666666666666666
作者:
光影时代到来
时间:
2020-11-10 15:51
大家的代码在mse = np.average((y_predict-Y_test)**2)这句出现错误吗?
TypeError: unsupported operand type(s) for -: 'float' and 'str'
y_predict是ndarry类型
Y_test是series类型
作者:
dplearn
时间:
2021-1-17 14:41
this is good idea
作者:
dplearn
时间:
2021-1-17 14:41
非常好非常好,very good
作者:
dplearn
时间:
2021-1-17 14:42
非常好非常好,very good
作者:
dplearn
时间:
2021-1-17 14:43
dplearn 发表于 2021-1-17 14:42
非常好非常好,very good
66666666666666
作者:
dplearn
时间:
2021-1-17 14:43
dplearn 发表于 2021-1-17 14:43
66666666666666
不错不错,讲的非常棒!!!
作者:
破天一件
时间:
2021-7-12 17:20
this is good idea
作者:
破天一件
时间:
2021-7-13 09:46
666666666666666
作者:
破天一件
时间:
2021-7-13 09:48
666666666666666
作者:
破天一件
时间:
2021-7-14 09:36
6666666666666666666
欢迎光临 东方耀AI技术分享 (http://www.ai111.vip/)
Powered by Discuz! X3.4