使用 sklearn 进行岭回归

2744557306

岭回归是一种用于处理多重共线性数据的线性回归技术，它通过对系数施加惩罚来限制模型的复杂性。这个惩罚项是通过添加一个正则化参数（通常表示为 λ 或 alpha）与系数向量的 L2 范数的平方成比例来实现的。岭回归的优化目标是最小化残差平方和和正则化项之和。
" c; Y1 S# [# S# c: X下面是岭回归的关键特点：
  \9 J3 D* \$ x# X
) y( y! N& I' U4 X1.正则化项： 岭回归通过添加一个惩罚项来约束模型的系数，使其不要过大，从而避免过拟合。这个惩罚项由正则化参数控制，它越大，惩罚效果越强，系数越趋向于零。
2.解决多重共线性： 当特征之间存在高度相关性时，普通的线性回归模型可能会变得不稳定，导致系数估计不准确。岭回归通过对系数的大小进行限制，能够更好地应对多重共线性问题。
3.超参数调优： 岭回归有一个关键的超参数，即正则化参数（λ 或 alpha）。这个参数需要根据数据集进行调优，通常使用交叉验证来选择最佳的正则化参数，以在训练数据上获得最佳的模型性能。
9 N5 G8 [5 P- U2 V) v8 a4.稳定性： 与普通的线性回归相比，岭回归对数据中的噪声更加稳健，能够产生更加稳定和可靠的系数估计。
+ C( f& o4 W9 T4 ~7 H4 L* w1 G3 e5.不可解性： 与普通的线性回归不同，岭回归没有封闭形式的解析解，需要使用数值优化方法来求解。

' Q3 ?8 |. [! ~- S6 W总的来说，岭回归是一种强大的线性回归技术，特别适用于处理高维数据集或存在多重共线性的数据。
# z/ V5 k+ Y8 Z1 u% v
" X3 g9 M9 ]7 i$ `) r# ^7 C- Z1 I4 n
/ |) ?/ _2 h" k) p这段代码执行了以下操作：

1 c$ X0 f. L5 p. H8 y$ {1.导入所需库：

1.    import numpy as np; o9 A( _' n$ \) Q# C
   
2.    import pandas as pd5 z% X, E. w. [$ ^9 {: }; i
   
3.    from sklearn.linear_model import LogisticRegression

复制代码

2.定义源数据：

1.    df = pd.DataFrame({$ d- m) ]6 E: a9 U5 {
   
2.        'good': [1, 1, 0, 0, 0, 1, 1],
   + l( F4 W1 n3 u7 T
3.        'sweet': [.95, .76, .82, .57, .69, .77, .89],
   / c4 B8 l! o' X4 h2 w9 h4 E
4.        'density': [.876, .978, .691, .745, .512, .856, 1.297],2 S( x, s1 W6 a8 K$ t
   
5.        'volume': [1.85, 2.14, 1.34, 1.38, 0.67, 2.35, 1.69],
   ( Y. e) I  t( l- h) U2 r
6.        'quality': [2.51, 2.45, 1.34, 1.15, 1.23, 3.95, 2.67],4 ~$ T\" m& U9 u6 ^+ C
   
7.    })

复制代码

创建了一个包含特征和标签的 DataFrame，其中 good 列是标签，表示样本是否好。
5 ~, Q6 k  O- f7 d
/ n- H( X, ~. L% K: [3.将数据转换为数组格式：

1.    X = np.array(df[df.columns[1:]])  # 特征集
   9 Z* t# o8 d* ^* C. \7 b
2.    y = np.array(df['good'])           # 标签集

复制代码

4.建立逻辑回归模型并拟合数据：

1.    model = LogisticRegression()+ w\" F7 t4 U1 }
   
2.    model.fit(X, y)

复制代码

使用 LogisticRegression 创建了逻辑回归模型，并使用 fit() 方法拟合了数据。

5.提取模型参数：

1.    b0 = model.intercept_[0]  # 截距
   * z4 A) e6 b# Z3 x6 c, W7 k# F8 A
2.    b1, b2, b3, b4 = model.coef_[0][0], model.coef_[0][1], model.coef_[0][2], model.coef_[0][3]  # 系数

复制代码

6.进行预测：

1.    df2 = pd.DataFrame({
   # i$ ?4 A4 h, }' D\" |
2.        'sweet': [.5, 1],* X/ `( m  y3 F+ T0 w
   
3.        'density': [.5, 1],
   % P5 J; w! _4 ?  h( D
4.        'volume': [.5, 2],
     o$ X\" h* P; R1 l, x# D
5.        'quality': [.5, 2],
   - G\" ?7 \7 X* T
6.    })0 l# \$ F# h( [2 `9 O
   
7.    model.predict(np.array(df2))

复制代码

使用训练好的模型进行预测，预测了两个新样本的好坏标签。
& N5 d  Z7 `2 y( X8 f& t! G. j& j通过这段代码，你可以使用逻辑回归模型对给定的数据进行分类，并进行新样本的预测。