目錄:
一、介紹
二、多項式回歸
三、scikit-learn中的多項式回歸
四、關于PolynomialFeatures
五、sklearn中的Pipeline
一、介紹
直線回歸研究的是一個因變量與一個自變量之間的回歸問題。
多項式回歸(Polynomial Regression)研究的是一個因變量與一個或多個自變量間多項式的回歸分析方法。
多項式回歸模型是線性回歸模型的一種。
多項式回歸問題可以通過變量轉換化為多元線性回歸問題來解決。
二、多項式回歸
# 導包
import numpy as np
import matplotlib.pyplot as plt
# [-3,3)之間随機100個數
x = np.random.uniform(-3, 3, size = 100)
X = x.reshape(-1, 1)
# np.random.normal(0, 1, size=100) 均值為0,方差為1的100個數
y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, size=100)
# 繪制散點圖
plt.scatter(x, y)
plt.show()
輸出結果:
使用線性回歸,效果會如何?
# 線性回歸
from sklearn.linear_model import LinearRegression
# 訓練資料
lin_reg = LinearRegression()
lin_reg.fit(X, y)
# 預測
y_predict = lin_reg.predict(X)
# 繪制散點圖
plt.scatter(x, y)
plt.plot(x, y_predict, color='r')
plt.show()
輸出結果:
明顯,采用拟合的效果并不好。那麼如何解決?
解決方案:添加一個特征。
(X**2).shape # 顯示:(100, 1)
X2 = np.hstack([X, X**2])
X2.shape # 顯示:(100, 2)
# 訓練并預測
lin_reg2 = LinearRegression()
lin_reg2.fit(X2, y)
y_predict2 = lin_reg2.predict(X2)
# 繪制散點圖
plt.scatter(x, y)
plt.plot(np.sort(x), y_predict2[np.argsort(x)], color='r')
plt.show()
輸出結果:
這樣顯然要比直線拟合的效果好了不少。
# 顯示系數
print(lin_reg2.coef_)
print(lin_reg2.intercept_)
輸出結果:
array([0.95801775, 0.52570266])
1.947743957564143
小結:
多項式回歸在算法并沒有什麼新的地方,完全是采用線性回歸的思路,關鍵在于為資料添加新的特征,而這些新的特征是原有的特征的多項式組合,采用這樣的方式就能解決非線性問題,這樣的思路跟PCA這種降維思想剛好相反,而多項式回歸則是升維,添加了新的特征之後,使得更好地拟合高維資料。
三、scikit-learn中的多項式回歸
# 導包
import numpy as np
import matplotlib.pyplot as plt
# 模拟資料
x = np.random.uniform(-3, 3, size = 100)
X = x.reshape(-1, 1)
y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, size=100)
# 多項式回歸其實對資料進行預處理,給資料添加新的特征,是以調用庫preprocessing
from sklearn.preprocessing import PolynomialFeatures
poly = PolynomialFeatures(degree=2) # 添加二次幂特征
poly.fit(X)
X2 = poly.transform(X)
X2.shape
輸出結果:
(100, 3)
第一清單示常數項,第二清單示一次項系數,第三清單示二次項系數,接下來檢視一下前五列。
X2[:5, :]
輸出結果:
array([[ 1. , 2.32619679, 5.41119149],
[ 1. , -2.05863059, 4.2379599 ],
[ 1. , 0.26110181, 0.06817416],
[ 1. , -0.50132099, 0.25132274],
[ 1. , 1.48172452, 2.19550756]])
from sklearn.linear_model import LinearRegression
# 訓練并預測
lin_reg2 = LinearRegression()
lin_reg2.fit(X2, y)
y_predict2 = lin_reg2.predict(X2)
# 繪制散點圖
plt.scatter(x, y)
plt.plot(np.sort(x), y_predict2[np.argsort(x)], color='r')
plt.show()
輸出結果:
# 顯示系數
print(lin_reg2.coef_)
print(lin_reg2.intercept_)
輸出結果:
array([0. , 1.03772276, 0.51558598])
1.8308914615008804
四、關于PolynomialFeatures
多項式回歸關鍵在于如何建構新的特征,在sklearn中已經封裝了,那具體如何實作的?
之前使用的都是1維資料,如果使用2維3維甚至更高維呢?
# 導包
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import PolynomialFeatures
X = np.arange(1, 11).reshape(-1, 2)
X
輸出結果:
array([[ 1, 2],
[ 3, 4],
[ 5, 6],
[ 7, 8],
[ 9, 10]])
poly = PolynomialFeatures(degree=2)
poly.fit(X)
X2 = poly.transform(X)
X2.shape # 顯示:(5, 6)
X2
輸出結果:
array([[ 1., 1., 2., 1., 2., 4.],
[ 1., 3., 4., 9., 12., 16.],
[ 1., 5., 6., 25., 30., 36.],
[ 1., 7., 8., 49., 56., 64.],
[ 1., 9., 10., 81., 90., 100.]])
注:
此時,可以看出當資料次元是2維是,經過多項式預處理生成了6維資料,第一列很顯然是0次項系數,第二列和第三列也很好了解,分别是x1,x2,第四列和第六列分别是 x1^2,x2^2 ,還有一列,其實是x1*x2,這就是第5列,總共6列。由此可以猜想一下如果資料是3維的時候是什麼情況?
poly = PolynomialFeatures(degree=3)
poly.fit(X)
X3 = poly.transform(X)
X3.shape # 顯示:(5, 10)
X3
輸出結果:
array([[ 1., 1., 2., 1., 2., 4., 1., 2., 4.,
8.],
[ 1., 3., 4., 9., 12., 16., 27., 36., 48.,
64.],
[ 1., 5., 6., 25., 30., 36., 125., 150., 180.,
216.],
[ 1., 7., 8., 49., 56., 64., 343., 392., 448.,
512.],
[ 1., 9., 10., 81., 90., 100., 729., 810., 900.,
1000.]])
通過PolynomiaFeatures,将所有的可能組合,升維的方式呈指數型增長。這也會帶來一定的問題。 如何解決這種爆炸式的增長?
如果不控制一下,試想x和x[^100]相比差異就太大了。這就是傳說中的過拟合。
五、sklearn中的Pipeline
一般情況下,我們會對資料進行歸一化,然後進行多項式升維,再接着進行線性回歸。因為sklearn中并沒有對多項式回歸進行封裝,不過可以使用Pipeline對這些操作進行整合。
# 導包
import numpy as np
import matplotlib.pyplot as plt
x = np.random.uniform(-3, 3, size = 100)
X = x.reshape(-1, 1)
y = 0.5 * x**2 + x + 2 + np.random.normal(0, 1, size=100)
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LinearRegression
# Pipeline
poly_reg = Pipeline([
("poly", PolynomialFeatures(degree=2)),
("std_scaler", StandardScaler()),
("lin_reg", LinearRegression())
]) # 清單,每個類,元祖形式 三步走 友善
# 訓練并預測
poly_reg.fit(X, y)
y_predict = poly_reg.predict(X)
# 繪制散點圖
plt.scatter(x, y)
plt.plot(np.sort(x), y_predict[np.argsort(x)], color='r')
plt.show()
輸出結果:
結果和之前的完全一樣!!!