2022-09-19

算法简介

• 线性回归模型(Linear Regression)，因为结构简单，可解释性好，实现简单，在工程领域得到广泛应用

• 线性回归模型是机器学习世界的"Hello World！"。完整、全面地掌握线性回归模型，有助于打通机器学习的任督二脉

image.png

线性回归基础

什么是线性？

• 例：汽车每小时，小时可以形式多长距离？
  • 已知骑车的速度，则骑车行驶的距离只与时间唯一相关
• 特点：世界是普遍联系的，但又特例”一个事务唯一由另一个事务觉定“
• 线性：如上例，在二元的直角坐标系中，描出这个关系的图是一条直线，所以称为线性关系

什么是回归？

• 起源：19世纪80年代，英国统计学家弗朗西斯.高尔顿（Francis Galton）提出
• 研究：父代身高与子代身高之间的关系
• 结论：子代的身高又向族群平均身高”回归的趋势“

什么是回归分析？

• 回归分析
  • 数理统计学中，回归分析着重在寻求变量之间近似的函数关系
• 线性回归分析
  • 是在寻求变量之间近似的线性函数关系

线性函数

• 一元线性函数
  • 一元线性方程
• 多元线性函数
  • 写成向量的形式

线性回归原理

线性回归

• 什么是线性回归？
  • 现设在一个问题中因变量及自变量，可以设想的值由两部分构成：一部分，由的影响所致，这一部分表为的函数形式。另一部分，则由其他众多未加考虑的因素，包括随机因素的影响，它可视为一种随机误差，记为。于是得到模型：
    • 函数称为对的”回归函数“
      • 回归函数为线性函数的情形——称为线性回归

线性回归理论基础

• 一元线性回归理论基础
  • 其中为回归函数，为随机误差
  • 现在对理论模型中的变量进行次独立观察，得到样本
    • 这组样本的构造可由方程来描述，这里是第次观察时随机误差所取得的值
• 多元线性回归理论基础
  • • 现在对和进行观察，第次观察时它们的取值分别记为和，随机误差，得到方程
      • 统一规范：表示特征的第次观察

线性回归模型

• 线性回归模型公式
  • 在机器学习领域，线性回归模型记为：
  • • 则可以统一形式为：
      • • 是预测函数
        • 是模型参数
        • 是特征输入
        • 是偏置量
• 线性回归模型假设
  • 假设一：变量是相互无关的
    • 各变量的作用与其他变量取值无关
  • 假设二：变量的作用是可以叠加的
    • 公式中个变量是相加的

线性回归模型损失函数

• 损失函数的定义
  • 损失函数（Loss Function）是度量模型一次预测的好坏，即真实值（）与预测值（）的误差
  • 线性回归损失函数：
    • 平方损失函数衡量模型的整体准确性
    • 平方损失函数的集合意义：欧式距离
• 损失函数的公式
  • 假设数据集有个训练样本，个特征工程，则平方损失函数：

线性回归模型训练

• 怎样对线性回归模型的参数进行训练？
  • 训练目的：求模型参数
    • 即求
  • 训练原理：损失函数最小
    • 即所有真实值与预测值的误差综合最小
  • 训练方法：梯度下降
    • 梯度下降公式：，顺着损失函数当前点梯度下降反方向，按规定步长进行迭代搜索
• 线性回归模型的梯度下降训练
  • 采样梯度下降法进行学习
  • 由于
  • 则：

    • 迭代训练，计算每个参数，直至收敛预定的值为止

      image.png

线性回归应用

线性回归的Python实现

import numpy as np
import matplotlib.pyplot as plt

x = np.array([[1, 5.56], [2, 5.70], [3, 5.91], [4, 6.40],[5, 6.80],
              [6, 7.05], [7, 8.90], [8, 8.70],[9, 9.00], [10, 9.05]])
m, n = np.shape(x)
x_data = np.ones((m, n))
x_data[:, :-1] = x[:, :-1]
y_data = x[:, -1]
m, n = np.shape(x_data)
theta = np.ones(n)

def gradientDescent(iter, x, y, w, alpha):
    x_train = x.transpose()
    for i in range(0, iter):
        pre = np.dot(x, w)
        loss = (pre - y)
        gradient = np.dot(x_train, loss) / m
        w = w - alpha * gradient
        cost = 1.0 / 2 * m * np.sum(np.square(np.dot(x, np.transpose(w)) - y))
        print("第{}次梯度下降损失为: {}".format(i,round(cost,2)))
    return w

result = gradientDescent(1000, x_data, y_data, theta, 0.01)
y_pre = np.dot(x_data, result)
print("线性回归模型 w: ", result)

plt.rc('font', family='Arial Unicode MS', size=14)
plt.scatter(x[:, 0], x[:, 1], color='b', label='训练数据')
plt.plot(x[:, 0], y_pre, color='r', label='预测数据')
plt.xlabel('x')
plt.ylabel('y')
plt.title('线性回归预测(梯度下降)')
plt.legend()
plt.show()

线性回归的Sklearn实现

# 数据集：Advertising
# 模型：Linear Regression Model
import matplotlib.pyplot as plt
%matplotlib inline
plt.rc('font', family='Arial Unicode MS', size=14)
import numpy as np
import pandas as pd
from sklearn import datasets, linear_model

# 数据处理
data = pd.read_csv('./data/Advertising.csv')
X = data[['TV', 'Radio', 'Newspaper']]
y = data[['Sales']]

# 划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1)

# 求解线性模型参数
from sklearn.linear_model import LinearRegression
linreg = LinearRegression()
linreg.fit(X_train, y_train)
print(linreg.intercept_)  # 常数项 [2.87696662]
print(linreg.coef_)       # 变量系数 [[0.04656457 0.17915812 0.00345046]]

# 交叉验证
from sklearn.model_selection import cross_val_predict
from sklearn import metrics
predicted = cross_val_predict(linreg, X, y, cv=10)
print("MSE:",metrics.mean_squared_error(y, predicted))
print("RMSE:",np.sqrt(metrics.mean_squared_error(y, predicted)))

# 画图描述真实值和预测值的变化关系
fig, ax = plt.subplots()
ax.scatter(y, predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'r--', lw=5)
ax.set_xlabel('真实值')
ax.set_ylabel('预测值')
plt.title('Advertising的真实值和预测值的变化关系')
plt.show()

线性回归的Sklearn实现

# TensorFlow 2.0 + Linear Regression

import tensorflow as tf
import numpy as np

x = np.float32(np.random.rand(100,1))

# y=a*x+b
y = np.dot(x,0.8) + 0.2

a = tf.Variable(np.float32())
b = tf.Variable(np.float32())

def model(x):
    return a*x+b

def loss(predicted_y, desired_y):
    return tf.reduce_sum(tf.square(predicted_y - desired_y))

optimizer = tf.optimizers.Adam(0.1)

for step in range(0, 100):
    with tf.GradientTape() as t:
        outputs = model(x)
        current_loss = loss(outputs, y)
        grads = t.gradient(current_loss, [a, b])
        optimizer.apply_gradients(zip(grads,[a, b]))
    if step % 10 == 0:
        print("Step:%d, loss:%2.5f, weight:%2.5f, bias:%2.5f "
              %(step, current_loss.numpy(), a.numpy(), b.numpy()))

线性回归总结

线性回归价值

• 概括了一大类实际问题
  • 现实世界中，有许多问题可以用线性回归进行抽象
• 复杂问题近似转换（机器学习基本思想之一）
  • 因为结构简单，处理比较方便，可以近似地处理其他问题

线性回归优缺点

• 优点
  • 简单
  • 解释性好
• 缺
  • 无法反应变量之间的相关性
  • 无法体现变量之间是相乘的