Machine Learning Notes-Linear Regression-Udacity
Regression 就是想找到因变量和自变量之间的关系,用一个函数来表示,并且可用这个函数来预测任意一个新的 x 会有怎样的 y 。
那么怎么找最好的那条线来表示 x 与 y 之间的关系呢?
用积分的方式。
怎么确定拟合线的阶数?
判断的标准,就是最小的 mean squared error,最好是为0.
下面这条线虽然把每个点都 fit 了,但是在某两个点之间却急剧上升或者下降。
从 Training Error 的曲线上看,也是当 order=8 时,error几乎没有,但是曲线却非常地 crazy。
接下来用矩阵来表示多项式。
求解系数矩阵W的公式:
用来 Training 的数据其实是有 Error 的,产生的原因如下几条,
所以要让我们的拟合函数尽量避开这些error,从而达到更准的效果。
用 Training 和 Testing 数据训练出来的模型,我们需要相信它们是可以代表未来要被应用的系统的,
用 Cross Validation 去调 Polynomial 的参数,
取最小的 Error 相应的参数。
Cross Validation 的 Error 一开始要比 Training Error 要高,因为:Training 用了所有的数据,而 Cross Validation 用的是一部分数据,还有一部分数据用来 test,
随着阶数的增加,Cross Validation 的 Error 渐渐接近 Training Error,但超过某个值后,又剧增,因为:随着级数越来越大,虽然会更好的拟合数据,但是会 Over Fitting,那么在未来的数据上就会不太适用。
我们想要找到的是 fit 的这个点。
在 sklearn 里有很多线性回归模型: http://scikit-learn.org/stable/modules/linear_model.html
怎样评价你的线性回归模型
一个是画出来,一个是看Error, error 就是实际值-预测值,注意符号。
回归之后,测试数据和训练数据同时显示在这个图里。
对于回归模型,想要 Error 达到最小,合适的评价模型有两个,一个是绝对值,一个是平方。
目标就是想要这个 Error 达到最小,SSE 越大,拟合的效果越不好。
r squared 是评价回归模型的一种很重要的方法,
这个值越大越好,最大为1。越小说明没有很好地捕捉到数据的趋势,越大说明很好地描述了输入输出的关系。 这个值要用 test data 去检验,也可以看出是否 Over fitting。
多元回归
Classification 和 Regression 比较:
Regression 方法列表:
1. Parametric Regression
可以用 polyfit 直接得到多项式的系数:
import numpy as np
# The rank of the coefficient matrix in the least-squares fit is deficient.
# The warning is only raised if full = False.
# The warnings can be turned off by
import warnings
warnings.simplefilter('ignore', np.RankWarning)
sleep = [5,6,7,8,10,12,16]
scores = [65,51,75,75,86,80,0]
import matplotlib.pyplot as plt
%matplotlib inline
plt.plot(sleep, scores)
coeffs=np.polyfit(sleep, scores, 2)
coeffs
2. K Nearest Neighbor
取 k 个值的平均值作为拟合后的点,最后可以得到一条沿着点的光滑的曲线。
3. Kernel Regression
和 KNN 类似,只是不同的点,根据距离来加权,而 KNN 的每个点作用都是一样的。
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 14个Spring MVC超实用技巧!
- 想要成为前端Star 吗?一首歌时间将React / Vue 应用Docker 化
- 初识Pandas
- 【教程】从零制作文件系统到jz2440,使其支持telnet , ftp 和tftp
- Mybatis源码学习第六天(核心流程分析)之Executor分析
- EasyPoi导出Excel
- 盘点 15 个好用的 API 接口管理神器
- JVM学习第二天(垃圾回收器和内存分配策略)大章
- JVM学习第一天(虚拟机的前世今生与与Java的内存区域)
- Android进阶:Binder那么弱怎么面大厂?
- Mybatis源码学习第七天(PageHelper分析)
- 【小程序】728- 小程序如何生成海报分享朋友圈
- Mybatis源码学习第七天(插件源码分析)
- Mybatis源码学习第七天(插件开发原理)
- Mybatis源码学习第六天(核心流程分析)之Executor分析(补充)