机器学习4- 多元线性回归+Python实现

目录

• 1 多元线性回归
• 2 多元线性回归的Python实现
  • 2.1 手动实现
    • 2.1.1 导入必要模块
    • 2.1.2 加载数据
    • 2.1.3 计算系数
    • 2.1.4 预测
  • 2.2 使用 sklearn

1 多元线性回归

更一般的情况，数据集 (D) 的样本由 (d) 个属性描述，此时我们试图学得

[f(oldsymbol{x}_i) = oldsymbol{w}^Toldsymbol{x}_i+b ext{，使得} f(oldsymbol{x}_i) simeq y_i ]

称为多元线性回归（multivariate linear regression）或多变量线性回归。

类似的，使用最小二乘法估计 (oldsymbol{w}) 和 (b)。

由 (f(oldsymbol{x}_i) = oldsymbol{w}^Toldsymbol{x}_i+b) 知：

[f(oldsymbol{x}_1) = w_1x_{11} + w_2x_{12} + ... + w_dx_{1d} + b \ f(oldsymbol{x}_2) = w_1x_{21} + w_2x_{22} + ... + w_dx_{2d} + b \ ... ... \ f(oldsymbol{x}_m) = w_1x_{m1} + w_2x_{m2} + ... + w_dx_{md} + b \ ]

我们记

[hat{oldsymbol{w}} = (oldsymbol{w};b) = egin{pmatrix}w_1\w_2\ vdots \w_d\bend{pmatrix} ]

[oldsymbol{X} =egin{pmatrix} x_{11} & x_{12} & cdots & x_{1d} & 1 \ x_{21} & x_{22} & cdots & x_{2d} & 1 \ vdots & vdots & ddots & vdots & vdots \ x_{m1} & x_{m2} & cdots & x_{md} & 1 end{pmatrix} =egin{pmatrix} oldsymbol{x}_1^T & 1 \ oldsymbol{x}_2^T & 1 \ vdots & vdots \ oldsymbol{x}_m^T & 1 end{pmatrix} ]

[oldsymbol{y} = (y_1;y_2;cdots ;y_m) = egin{pmatrix}y_1\y_2\ vdots \y_dend{pmatrix} ]

可得：

[oldsymbol{y} = oldsymbol{X}hat{oldsymbol{w}} ag{1.1} ]

类似于前篇博客的式子 (2.3) 有：

[hat{oldsymbol{w}}^* = underset{hat{oldsymbol{w}}}{arg min} (oldsymbol{y} - oldsymbol{X}hat{oldsymbol{w}})^T(oldsymbol{y} - oldsymbol{X}hat{oldsymbol{w}}) ag{1.2} ]

令 (E_{hat{oldsymbol{w}}} = (oldsymbol{y}-oldsymbol{X}hat{oldsymbol{w}})^T(oldsymbol{y}-oldsymbol{X}hat{oldsymbol{w}}))，对 (hat{oldsymbol{w}}) 求导得：

[cfrac{partial E_{hat{oldsymbol w}}}{partial hat{oldsymbol w}}=2mathbf{X}^T(mathbf{X}hat{oldsymbol w}-oldsymbol{y}) ag{1.3} ]

令上式为零，得到 (hat{oldsymbol{w}}) 最优解的闭式解。
当 (oldsymbol{X}^Toldsymbol{X}) 为满秩矩阵（full-rank matrix）或正定矩阵（positive define matrix）时，令式 (1.2) 为零可得：

[hat{oldsymbol{w}}^* = (oldsymbol{X}^Toldsymbol{X})^{-1}oldsymbol{X}^Toldsymbol{y} ag{1.4} ]

令 (hat{oldsymbol{x}_i} = (oldsymbol{x}_i, 1)) 得到最终学得的多元线性回归模型为：

[f(hat{oldsymbol{x}}_i) = hat{oldsymbol{x}_i}^T(oldsymbol{X}^Toldsymbol{X})^{-1}oldsymbol{X}^Toldsymbol{y} ag{1.5} ]

当 (oldsymbol{X}^Toldsymbol{X}) 不是满秩矩阵时，可解出多个 (hat{oldsymbol{w}}) 使得均方误差最小。选择哪个解输出取决于学习算法的归纳偏好。常用做法是引入正则化（regularization）项。

2 多元线性回归的Python实现

现有如下数据，我们希望通过分析披萨的直径、辅料数量与价格的线性关系，来预测披萨的价格：

2.1 手动实现

2.1.1 导入必要模块

import numpy as np
import pandas as pd

2.1.2 加载数据

pizza = pd.read_csv("pizza_multi.csv", index_col='Id')
pizza

2.1.3 计算系数

由公式

[hat{oldsymbol{w}}^* = (oldsymbol{X}^Toldsymbol{X})^{-1}oldsymbol{X}^Toldsymbol{y} ag{2.11} ]

可计算出 (hat{oldsymbol{w}}^*) 的值。

我们将后 5 行数据作为测试集，其他为测试集：

X = pizza.iloc[:-5, :2].values
y = pizza.iloc[:-5, 2].values.reshape((-1, 1))
print(X)
print(y)

[[ 6  2]
 [ 8  1]
 [10  0]
 [14  2]
 [18  0]]
[[ 7. ]
 [ 9. ]
 [13. ]
 [17.5]
 [18. ]]

ones = np.ones(X.shape[0]).reshape(-1,1)
X = np.hstack((X,ones))
X

array([[ 6.,  2.,  1.],
       [ 8.,  1.,  1.],
       [10.,  0.,  1.],
       [14.,  2.,  1.],
       [18.,  0.,  1.]])

w_ = np.dot(np.dot(np.linalg.inv(np.dot(X.T, X)), X.T), y)
w_

array([[1.01041667],
       [0.39583333],
       [1.1875    ]])

即：

[hat{oldsymbol{w}}^* = (oldsymbol{w};b) = egin{pmatrix}w_1\w_2\bend{pmatrix} = egin{pmatrix}1.01041667\0.39583333\1.1875end{pmatrix} ]

[f(oldsymbol{x}) = 1.01041667x_1 + 0.39583333x_2 + 1.1875 ]

b = w_[-1]
w = w_[:-1]
print(w)
print(b)

[[1.01041667]
 [0.39583333]]
[1.1875]

2.1.4 预测

X_test = pizza.iloc[-5:, :2].values
y_test = pizza.iloc[-5:, 2].values.reshape((-1, 1))
print(X_test)
print(y_test)

[[ 8  2]
 [ 9  0]
 [11  2]
 [16  2]
 [12  0]]
[[11. ]
 [ 8.5]
 [15. ]
 [18. ]
 [11. ]]

y_pred = np.dot(X_test, w) + b
# y_pred = np.dot(np.hstack((X_test, ones)), w_)
print("目标值：
", y_test)
print("预测值：
", y_pred)

目标值：
 [[11. ]
 [ 8.5]
 [15. ]
 [18. ]
 [11. ]]
预测值：
 [[10.0625    ]
 [10.28125   ]
 [13.09375   ]
 [18.14583333]
 [13.3125    ]]

2.2 使用 sklearn

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取数据
pizza = pd.read_csv("pizza_multi.csv", index_col='Id')
X = pizza.iloc[:-5, :2].values
y = pizza.iloc[:-5, 2].values.reshape((-1, 1))
X_test = pizza.iloc[-5:, :2].values
y_test = pizza.iloc[-5:, 2].values.reshape((-1, 1))

# 线性拟合
model = LinearRegression()
model.fit(X, y)

# 预测
predictions = model.predict(X_test)
for i, prediction in enumerate(predictions):
    print('Predicted: %s, Target: %s' % (prediction, y_test[i]))

Predicted: [10.0625], Target: [11.]
Predicted: [10.28125], Target: [8.5]
Predicted: [13.09375], Target: [15.]
Predicted: [18.14583333], Target: [18.]
Predicted: [13.3125], Target: [11.]

# 模型评估
"""
使用 score 方法可以计算 R方
R方的范围为 [0, 1]
R方越接近 1，说明拟合程度越好
"""
print('R-squared: %.2f' % model.score(X_test, y_test))

R-squared: 0.77

---

此文原创禁止转载，转载文章请联系博主并注明来源和出处，谢谢！
作者: Raina_RLN https://www.cnblogs.com/raina/