欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

人工智能-Python實(shí)現(xiàn)嶺回歸

 更新時(shí)間:2022年01月26日 14:29:00   作者:是夢吧,是你吧!  
本文介紹人工智能-Python實(shí)現(xiàn)嶺回歸,?是一種專用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法,實(shí)質(zhì)上是一種改良的最小二乘估計(jì)法,通過放棄最小二乘法的無偏性,以損失部分信息、降低精度為代價(jià)獲得回歸系數(shù)更為符合實(shí)際、更可靠的回歸方法,對病態(tài)數(shù)據(jù)的擬合要強(qiáng)于最小二乘法

1 概述

1.1 線性回歸

對于一般地線性回歸問題,參數(shù)的求解采用的是最小二乘法,其目標(biāo)函數(shù)如下:

1.2 嶺回歸 

嶺回歸(ridge regression) 是一種專用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法。
是一種改良的最小二乘估計(jì)法,對某些數(shù)據(jù)的擬合要強(qiáng)于最小二乘法。

1.3 過擬合

圖二就是正常擬合,符合數(shù)據(jù)的趨勢,而圖三,雖然在訓(xùn)練集上擬合得很好,但是出現(xiàn)未知數(shù)據(jù)時(shí),比如Size很大時(shí),根據(jù)目前擬合來看,可能得到的結(jié)果很小,與實(shí)際誤差會很大。 

2 sklearn中的嶺回歸

在sklearn庫中,可以使用sklearn.linear_model.Ridge調(diào)用嶺回歸模型,其主要參數(shù)有:

• alpha:正則化因子,對應(yīng)于損失函數(shù)中的 ??
• fit_intercept:表示是否計(jì)算截距,
• solver:設(shè)置計(jì)算參數(shù)的方法,可選參數(shù)‘auto’、‘svd’、‘sag’等。

3 案例 

交通流量預(yù)測實(shí)例:

3.1 數(shù)據(jù)介紹

數(shù)據(jù)為某路口的交通流量監(jiān)測數(shù)據(jù),記錄全年小時(shí)級別的車流量。

3.2 實(shí)驗(yàn)?zāi)康?/h3>

根據(jù)已有的數(shù)據(jù)創(chuàng)建多項(xiàng)式特征,使用嶺回歸模型代替一般的線性模型,對 車流量 的信息進(jìn)行 多項(xiàng)式回歸 。

3.3 數(shù)據(jù)特征如下

HR :一天中的第幾個小時(shí)(0-23)
WEEK_DAY :一周中的第幾天(0-6)
DAY_OF_YEAR :一年中的第幾天(1-365)
WEEK_OF_YEAR :一年中的第幾周(1-53)
TRAFFIC_COUNT :交通流量
全部數(shù)據(jù)集包含2萬條以上數(shù)據(jù)(21626)

4 Python實(shí)現(xiàn) 

4.1 代碼

#*================1. 建立工程,導(dǎo)入sklearn相關(guān)工具包====================**
import numpy as np
from sklearn.linear_model import Ridge ? #通過sklearn.linermodel加載嶺回歸方法
from sklearn import model_selection ? ? #加載交叉驗(yàn)證模塊
import matplotlib.pyplot as plt ? ? ?#加載matplotilib模塊
from sklearn.preprocessing import PolynomialFeatures ? ? #通過加載用于創(chuàng)建多項(xiàng)式特征,如ab、a2、b2
?
#*=================2. 數(shù)據(jù)加載=========================================**
data=np.genfromtxt('嶺回歸.csv',delimiter=',') ? ? #使用numpy的方法從csv文件中加載數(shù)據(jù)
print(data)
print(data.shape)
plt.plot(data[:,4]) ? ? ? ? ? ? ? ?#使用plt展示車流量信息
#plt.show()
#*================3. 數(shù)據(jù)處理==========================================**
X=data[:,:4] ? ? ? ? ? ? ? ? ?#X用于保存0-3維數(shù)據(jù),即屬性
y=data[:,4] ? ? ? ? ? ? ? ? ? ##y用于保存第4維數(shù)據(jù),即車流量
poly=PolynomialFeatures(6) ? ?#用于創(chuàng)建最高次數(shù)6次方的的多項(xiàng)式特征,多次試驗(yàn)后決定采用6次
X=poly.fit_transform(X) ? ? ? #X為創(chuàng)建的多項(xiàng)式特征
?
#*================4. 劃分訓(xùn)練集和測試集=================================**
train_set_x, test_set_x , train_set_y, test_set_y =model_selection.train_test_split(X,y,test_size=0.3,
random_state=0)
#將所有數(shù)據(jù)劃分為訓(xùn)練集和測試集,test_size表示測試集的比例,
# #random_state是隨機(jī)數(shù)種子
?
#*==============5. 創(chuàng)建回歸器,并進(jìn)行訓(xùn)練===============================**
clf=Ridge(alpha=1.0,fit_intercept = True)
#接下來我們創(chuàng)建嶺回歸實(shí)例
clf.fit(train_set_x,train_set_y) #調(diào)用fit函數(shù)使用訓(xùn)練集訓(xùn)練回歸器
clf.score(test_set_x,test_set_y) #利用測試集計(jì)算回歸曲線的擬合優(yōu)度,clf.score返回值為0.7375
#擬合優(yōu)度,用于評價(jià)擬合好壞,最大為1,無最小值,當(dāng)對所有輸入都輸出同一個值時(shí),擬合優(yōu)度為0。
?
#*============6. 畫出擬合曲線=========================================**
start=100 ? ? ? ? ? ? ? ? ? ? ?#接下來我們畫一段200到300范圍內(nèi)的擬合曲線
end=200
y_pre=clf.predict(X) ? ? ? ? ? #是調(diào)用predict函數(shù)的擬合值
time=np.arange(start,end)
plt.plot(time,y[start:end],'b', label="real")
plt.plot(time,y_pre[start:end],'r', label='predict') ? #展示真實(shí)數(shù)據(jù)(藍(lán)色)以及擬合的曲線(紅色)
plt.legend(loc='upper left') #設(shè)置圖例的位置
plt.show()

4.2 結(jié)果 

到此這篇關(guān)于人工智能-Python實(shí)現(xiàn)嶺回歸的文章就介紹到這了,更多相關(guān)Python實(shí)現(xiàn)嶺回歸內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • 用python統(tǒng)計(jì)代碼行的示例(包括空行和注釋)

    用python統(tǒng)計(jì)代碼行的示例(包括空行和注釋)

    今天小編就為大家分享一篇用python統(tǒng)計(jì)代碼行的示例(包括空行和注釋),具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-07-07
  • Python畫筆的屬性及用法詳解

    Python畫筆的屬性及用法詳解

    在本篇文章里小編給大家分享的是一篇關(guān)于Python畫筆的屬性及用法內(nèi)容,有需要的朋友們可以學(xué)習(xí)下。
    2021-03-03
  • Python線程中對join方法的運(yùn)用的教程

    Python線程中對join方法的運(yùn)用的教程

    這篇文章主要介紹了Python線程中對join方法的運(yùn)用,join方法是阻塞線程的基本方法,需要的朋友可以參考下
    2015-04-04
  • Matplotlib配色之Colormap詳解

    Matplotlib配色之Colormap詳解

    這篇文章主要介紹了Matplotlib配色之Colormap詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-01-01
  • Python性能提升之延遲初始化

    Python性能提升之延遲初始化

    本文給大家分享的是在Python中使用延遲計(jì)算來提升性能的方法,非常的實(shí)用,有需要的小伙伴可以參考下
    2016-12-12
  • 使用Pytorch Geometric進(jìn)行鏈接預(yù)測的實(shí)現(xiàn)代碼

    使用Pytorch Geometric進(jìn)行鏈接預(yù)測的實(shí)現(xiàn)代碼

    PyTorch Geometric (PyG)是構(gòu)建圖神經(jīng)網(wǎng)絡(luò)模型和實(shí)驗(yàn)各種圖卷積的主要工具,在本文中我們將通過鏈接預(yù)測來對其進(jìn)行介紹,文中有詳細(xì)的代碼示例供大家參考,需要的朋友可以參考下
    2023-10-10
  • Python中文件操作簡明介紹

    Python中文件操作簡明介紹

    這篇文章主要介紹了Python中文件操作簡明介紹,本文講解了打開文件、讀取方法、寫入方法、文件內(nèi)移動、文件迭代、關(guān)閉文件、截取文件等內(nèi)容,并給出了一個完整操作實(shí)例,需要的朋友可以參考下
    2015-04-04
  • Python自動采集微信聯(lián)系人的實(shí)現(xiàn)示例

    Python自動采集微信聯(lián)系人的實(shí)現(xiàn)示例

    這篇文章主要介紹了Python自動采集微信聯(lián)系人的實(shí)現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-02-02
  • python深度學(xué)習(xí)tensorflow1.0參數(shù)和特征提取

    python深度學(xué)習(xí)tensorflow1.0參數(shù)和特征提取

    這篇文章主要為大家介紹了python深度學(xué)習(xí)tensorflow1.0參數(shù)和特征提取,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
    2022-06-06
  • win10下tensorflow和matplotlib安裝教程

    win10下tensorflow和matplotlib安裝教程

    這篇文章主要為大家詳細(xì)介紹了win10下tensorflow和matplotlib安裝教程,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2018-09-09

最新評論