《机器学习实战》学习笔记-[8]-回归-普通最小二乘OLS
2017-07-23 21:49
519 查看
分类的目标变量为标称型数据
回归可对连续性数据做出预测
回归的目的就是求出预测数值的目标值,最直接的办法就是写出一个目标值的计算公式:Y=aX+b(线性)或者非线性,回归即为求取系数的过程。
Y = (X^T)w
根据平方误差最小求系数(最小二乘)
测试
回归可对连续性数据做出预测
回归的目的就是求出预测数值的目标值,最直接的办法就是写出一个目标值的计算公式:Y=aX+b(线性)或者非线性,回归即为求取系数的过程。
OLS理论基础
对于线性Y = (X^T)w
根据平方误差最小求系数(最小二乘)
OLS评价标准
判断模型的好坏可以用相关系数''' 机器学习实战-回归 ''' from numpy import * def loadDataSet(fileName): numFeat = len(open(fileName).readline().split('\t')) - 1 dataMat = []; labelMat = [] fr = open(fileName) for line in fr.readlines(): lineArr = [] curLine = line.strip().split('\t') for i in range(numFeat): lineArr.append(float(curLine[i])) # 获取数据部分 dataMat.append(lineArr) labelMat.append(float(curLine[-1])) # 获取输出部分 return dataMat, labelMat ''' OLS ''' def standRegres(xArr, yArr): xMat = mat(xArr) yMat = mat(yArr).T xTx = xMat.T * xMat if linalg.det(xTx) == 0.0: # 行列式的值是否为0,判断是否可逆 print("矩阵不可逆") return ws = xTx.I * (xMat.T*yMat) return ws #返回归回系数
测试
import os from numpy import * from ML_Learn.com.ML.Regression.BasicRegressionOLS import regression import matplotlib.pyplot as plt #导入训练数据集 xArr, yArr = regression.loadDataSet(os.getcwd() + '/resource/ex0.txt') ws = regression.standRegres(xArr,yArr) print("xArr[0:2]: \n", xArr[0:2]) print("yArr[0:2]: \n", yArr[0:2]) print("ws: \n" ,ws) print("xArr[0:2]*ws.T = \n",mat(xArr[0:2])*ws) xMat = mat(xArr) yMat = mat(yArr) yHat = xMat*ws #判断模型的好坏-相关系数 cor = corrcoef(yHat.T,yMat) print("相关系数= \n", cor) # # xArr[0:2]: # [[1.0, 0.067732], [1.0, 0.42781]] # yArr[0:2]: # [3.176513, 3.816464] # ws: # [[ 3.00774324] # [ 1.69532264]] # xArr[0:2]*ws.T = # [[ 3.12257084] # [ 3.73301922]] # 相关系数= # [[ 1. 0.98647356] # [ 0.98647356 1. ]] fig = plt.figure() ax = fig.add_subplot(111) ax.scatter(xMat[:,1].flatten().A[0],yMat.T[:,0].flatten().A[0]) xCopy = xMat.copy() xCopy.sort(0) yHat = xCopy*ws ax.plot(xCopy[:,1],yHat) plt.show()
源代码
github相关文章推荐
- 《机器学习实战》学习笔记-[9]-回归-加权最小二乘LWLR
- 《机器学习实战》学习笔记---Logister回归
- 《机器学习实战》学习笔记-[10]-回归-岭回归
- Andrew NG 机器学习听课笔记(2)——过学习与欠学习,最小二乘的概率意义、logistic回归
- 《机器学习实战》学习笔记-[12]-回归-树回归
- 回归-普通最小二乘法(OLS)解析式推导
- 机器学习:scipy和sklearn中普通最小二乘法与多项式回归的使用对
- 《机器学习实战》和Udacity的ML学习笔记之线性回归
- scikit-learn学习笔记:1.1 广义线性模型-普通的最小二乘(Ordinary Least Squares)
- 学习笔记-----------普通工厂
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 3——逻辑回归、过拟合与正则化
- stata学习笔记(七):回归分析和稳健性检验
- 机器学习实战学习笔记(四):Logistic回归
- logistic回归算法学习笔记-从疝气症预测病马死亡率
- 斯坦福机器学习: 网易公开课系列笔记(三)——局部加权回归、logistic回归
- 学习笔记 何为ARM与最小系统(基于恩智浦智能车的理解)
- R语言与回归分析学习笔记(应用回归小结)(2)
- 算法导论学习笔记(四)图论之最小生成树
- Factorization Machines 学习笔记(三)回归和分类
- 多项式回归学习笔记