Lucas带你手撕机器学习——岭回归
岭回归(Ridge Regression)
一、背景与引入
在进行线性回归分析时,我们常常面临多重共线性的问题。多重共线性指的是自变量之间高度相关,这会导致回归系数的不稳定性,使得模型的预测能力降低。传统的线性回归通过最小二乘法来拟合数据,但在自变量之间存在共线性时,最小二乘估计(Ordinary Least Squares, OLS)可能产生较大的方差,从而影响模型的可靠性。
为了克服这个问题,岭回归应运而生。岭回归在最小二乘法的基础上引入了正则化(Regularization)技术,通过添加惩罚项来控制模型复杂度,从而提高模型的泛化能力。
二、岭回归的原理
岭回归的基本思想是在线性回归的损失函数中增加一个惩罚项。该惩罚项是所有回归系数的平方和乘以一个非负的超参数 (\lambda)(也称为岭参数)。这种方法通过惩罚大的回归系数来减小模型的复杂度,从而降低模型的方差。
损失函数:
岭回归的损失函数可以表示为:
其中:
- (y) 是目标变量。
- (X) 是自变量矩阵。
- (\beta) 是回归系数。
- (\lambda) 是惩罚项的强度,控制正则化的程度。
三、数学推导
- 最小二乘法:
在线性回归中,我们通过最小化以下损失函数来求解回归系数 (\beta):
- 岭回归的损失函数:
在岭回归中,我们在最小二乘法的损失函数上添加一个惩罚项,得到如下损失函数:
- 求解岭回归系数:
为了找到使损失函数最小化的 (\beta),我们可以对损失函数求导并令其为零。通过矩阵运算,可以得到岭回归的解:
其中,(I) 是单位矩阵,(\lambda) 是岭参数,控制正则化的强度。通过引入 (\lambda),我们可以有效控制回归系数的大小,减少模型的方差。
四、岭回归的实现
4.1 使用 Sklearn 实现岭回归
在 Python 中,可以使用 scikit-learn
库轻松实现岭回归。以下是一个简单的示例,使用 Ridge
类实现岭回归:
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_regression
from sklearn.linear_model import Ridge
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error# 生成模拟数据
X, y, coef = make_regression(n_samples=100, n_features=10, noise=0.1, coef=True, random_state=42)# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 创建岭回归模型
ridge = Ridge(alpha=1.0) # alpha对应于λ# 拟合模型
ridge.fit(X_train, y_train)# 预测
y_pred = ridge.predict(X_test)# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)# 可视化真实值与预测值
plt.scatter(y_test, y_pred)
plt.xlabel("真实值")
plt.ylabel("预测值")
plt.title("真实值与预测值的关系")
plt.plot([min(y_test), max(y_test)], [min(y_test), max(y_test)], color='red', linestyle='--') # y=x 线
plt.show()
4.2 代码解析
- 数据生成:使用
make_regression
函数生成模拟的线性回归数据集,包括10个特征和一定的噪声。 - 数据划分:使用
train_test_split
将数据划分为训练集和测试集,测试集占20%。 - 创建模型:使用
Ridge
类创建岭回归模型,设置超参数 (\alpha)(即惩罚项的强度)。 - 拟合模型:在训练集上拟合模型。
- 预测:在测试集上进行预测。
- 评估模型:使用均方误差(MSE)评估模型性能。
- 可视化:通过散点图可视化真实值与预测值的关系,并添加y=x线作为基准。
4.3 超参数调优
选择合适的 (\lambda) 值对于岭回归的性能至关重要。可以使用交叉验证(Cross Validation)来选择最佳的超参数。例如,使用 GridSearchCV
来调优 (\alpha):
from sklearn.model_selection import GridSearchCV# 定义参数范围
param_grid = {'alpha': np.logspace(-3, 3, 7)}# 创建岭回归模型
ridge = Ridge()# 进行网格搜索
grid_search = GridSearchCV(ridge, param_grid, cv=5, scoring='neg_mean_squared_error')
grid_search.fit(X_train, y_train)# 输出最佳参数
print("最佳α值:", grid_search.best_params_)
通过交叉验证,可以得到最佳的 (\lambda) 值,进而提高模型的泛化能力。
五、岭回归的优缺点
5.1 优点
- 减少方差:通过引入正则化项,岭回归有效减少了回归系数的方差,提高了模型的稳定性。
- 处理多重共线性:岭回归在自变量之间存在共线性时,仍然能够提供稳定的估计。
- 保留所有特征:与 Lasso 回归不同,岭回归不会将某些特征的系数压缩到零,而是使其趋近于零,从而保留了所有特征的信息。
5.2 缺点
- 难以解释:由于岭回归保留所有特征,模型的解释性较差,特别是在特征较多时。
- 选择 (\lambda) 的困难:选择合适的 (\lambda) 值可能会增加模型调优的复杂性,尤其是在特征空间较高时。
- 计算开销:在特征维度非常高的情况下,计算 ((X^TX + \lambda I)^{-1}) 的开销可能较大。
六、岭回归的应用实例
岭回归在实际应用中有广泛的应用场景,以下是一些常见的应用领域:
- 经济学建模:在经济学中,通常会遇到许多自变量之间存在高度相关的情况,岭回归可以用来建立稳健的回归模型。
- 基因数据分析:在生物信息学中,基因表达数据通常包含大量特征(基因)和相对较少的样本,岭回归可以帮助克服高维数据中的多重共线性问题。
- 房价预测:在房价预测模型中,多个特征(如面积、卧室数量、位置等)可能存在一定的相关性,岭回归可以提供稳定的预测结果。
七、岭回归的扩展
岭回归的基本思想可以扩展到其他类型的回归中,如:
- 弹性网(Elastic Net):结合了 L1(Lasso)和 L2(Ridge)正则化的优点,适用于特征较多且相关性较强的情况。
- 偏最小二乘回归(PLS Regression):在自变量存在多重共线性的情况下,采用偏最小二乘法进行回归分析。
八、总结
岭回归是一种强大的线性回归扩展方法,通过引入 L2 正则化项,有效降低了多重共线性对模型的影响。尽管其在解释性和超参数选择上可能存在一定的挑战,但在许多实际应用中,岭回归提供了稳定和可靠的解决方案。随着机器学习和数据分析的发展,岭回归在各个领域的应用仍在不断扩大,为更复杂的数据分析提供了有效的工具。
好的,以下是对岭回归的拓展部分,涵盖其理论延伸、应用示例、与其他方法的比较,以及最新研究方向等内容。
岭回归的拓展
理论延伸
岭回归与其他正则化方法的比较
-
Lasso 回归(Lasso Regression):Lasso 回归通过引入 L1 正则化项,可以将某些特征的回归系数压缩为零,从而实现特征选择。与岭回归相比,Lasso 更适合用于高维特征选择场景,而岭回归则更注重控制多重共线性。
-
弹性网(Elastic Net):弹性网结合了 L1 和 L2 正则化的优点,适用于特征数量大于样本数量或者存在多重共线性的情况。弹性网的损失函数可以表示为:
通过调节 (\lambda_1) 和 (\lambda_2),弹性网能够平衡 Lasso 和岭回归的特性,适应不同的建模需求。
适应性岭回归(Adaptive Ridge Regression)
适应性岭回归是一种改进的岭回归方法,试图通过动态调整 (\lambda) 来适应不同特征的重要性。具体来说,该方法根据每个特征的预测能力或重要性来设置不同的惩罚参数,从而提高模型的性能。这一思路可以通过对特征进行预处理或利用交叉验证来实现。
应用示例
环境科学
在环境科学研究中,岭回归被用于处理涉及多个环境因子的复杂模型。例如,在研究气候变化对植物生长影响的模型中,多个气候因子(如温度、降水量、日照时间等)往往相互影响且高度相关。岭回归能够有效减小因共线性带来的预测不稳定性,从而提供更可靠的预测结果。
医疗领域
在医疗领域,岭回归被广泛应用于疾病预测和诊断。例如,分析基因组数据以预测某种疾病的风险时,特征的维度通常很高,且各基因之间可能存在共线性。在这种情况下,岭回归能够帮助研究人员得到更稳定的模型,以识别与疾病相关的基因特征。
金融风险管理
在金融领域,岭回归被用于建立信用评分模型和风险管理模型。例如,银行在评估借款人的信用时,通常会考虑多个因素(如收入、负债、信用历史等),这些因素可能会相互影响。通过岭回归,金融机构能够建立更稳定的评分模型,降低违约风险。
与其他方法的比较
在选择模型时,岭回归通常与其他回归方法进行比较,如 Lasso 回归、逐步回归(Stepwise Regression)、主成分回归(Principal Component Regression)等。以下是它们的比较:
方法 | 特点 | 适用场景 |
---|---|---|
岭回归(Ridge) | L2 正则化,适合处理多重共线性,保留所有特征 | 特征多且相关性强 |
Lasso 回归 | L1 正则化,可以实现特征选择 | 特征维度大且希望进行特征选择 |
逐步回归 | 逐步添加或删除特征,根据 AIC/BIC 进行选择 | 特征数量相对较少,容易解释模型 |
主成分回归 | 先降维再回归,处理高维数据 | 特征数目远大于样本数的情况 |
最新研究方向
随着机器学习和深度学习的发展,岭回归的应用和理论研究也在不断拓展。以下是一些当前研究的方向:
深度学习与岭回归的结合
近年来,研究人员开始探索将岭回归与深度学习结合的方法,例如在神经网络中引入岭正则化以增强模型的鲁棒性。通过在网络的损失函数中添加 L2 正则化项,可以提高模型的泛化能力,尤其在样本数量不足或特征维度过高的情况下。
高维数据分析
随着生物信息学、金融科技等领域数据维度的迅速增加,研究人员对高维数据的分析提出了新的方法和思路。针对高维数据中的多重共线性问题,研究者们提出了一些改进的岭回归方法,如加权岭回归(Weighted Ridge Regression)等,以增强模型的适应性。
结合贝叶斯方法
贝叶斯方法与岭回归的结合是一个活跃的研究领域。贝叶斯岭回归(Bayesian Ridge Regression)通过对岭回归的参数引入先验分布,能够在小样本情况下提高模型的稳定性与预测能力。这一方法为不确定性量化提供了新的视角。
总结
岭回归是一种强大的回归分析工具,尤其适用于自变量之间存在多重共线性的情况。通过引入 L2 正则化项,岭回归有效降低了模型的方差,提高了预测的稳定性。尽管其在模型解释性和超参数选择上存在一定的挑战,但其在经济学、环境科学、医疗健康等多个领域的广泛应用证明了其价值。
在现代数据分析中,岭回归与其他方法的结合及其理论拓展正在成为研究的热点,未来有望在更复杂的数据集和应用场景中继续发挥重要作用。
相关文章:
Lucas带你手撕机器学习——岭回归
岭回归(Ridge Regression) 一、背景与引入 在进行线性回归分析时,我们常常面临多重共线性的问题。多重共线性指的是自变量之间高度相关,这会导致回归系数的不稳定性,使得模型的预测能力降低。传统的线性回归通过最小…...
C2W4.LAB.Word_Embedding.Part1
理论课:C2W4.Word Embeddings with Neural Networks 文章目录 Word Embeddings First Steps: Data PreparationCleaning and tokenizationSliding window of wordsTransforming words into vectors for the training setMapping words to indices and indices to w…...
hive初体验
1.首先,确保启动了Metastore服务。 runjar就是metastore进程 2.进入hive客户端: 命令:hive 3.操作:没有指定数据库时默认在default 一:创建表:CREATE TABLE test(id INT, name STRING, gender STRING); 完成,show tables看一下 也可以通过hdfs文件系统查看,默认路径…...
云渲染主要是分布式(分机)渲染,如何使用blender云渲染呢?
云渲染主要是分布式(分机)渲染,比如一个镜头同时开20-100张3090显卡的机器渲染,就能同时渲染20-100帧,渲染不仅不占用自己电脑,效率也将增加几十上百倍! blender使用教程如下: 第一…...
WordPress与WP Engine:关键事件时间线
WordPress与WP Engine:关键事件时间线 以下时间线突出了9月和10月之间这场不断升级的WordPress与WP Engine冲突中的关键事件: 9月21日:Matt Mullenweg发布了一篇名为“WP Engine不是WordPress”的博客。 9月22日:Mullenweg批评…...
大数据治理平台建设规划方案(71页WORD)
随着信息化时代的到来,大数据已成为企业管理和决策的重要基础。然而,大数据的快速增长和复杂性给数据的管理和治理带来了巨大挑战。为了有效应对这些挑战,构建一个高效、稳定的大数据治理平台显得尤为重要。 文档介绍: 该平台旨在…...
Maven 项目管理工具
目录 Maven简介 Maven快速上手 Maven详细介绍 Maven工作机制 Maven安装及配置 使用IDEA创建Maven Web工程 Maven简介 Maven是 Apache 开源组织奉献的一个开源项目,可以翻译为“专家”或“内行”。 Maven 的本质是一个项目管理工具,将项目开发和管…...
ubuntu开机启动jar
要在Ubuntu系统上开机启动一个jar文件,你可以创建一个systemd服务单元。以下是创建服务并设置开机启动的步骤: 创建一个新的systemd服务文件。 打开一个新的服务文件,例如/etc/systemd/system/your-service.service,使用你喜欢的…...
【目标检测02】非极大值抑制 NMS
文章目录 1. 前言2. 原理3. 代码实现 1. 前言 在检测图像中的目标时,一个目标可能会被预测出多个矩形框,而实际上我们只需要一个,如何消除冗余的边界框呢?一种方简单的方案是提升置信度的阈值,过滤掉低置信度的边界框…...
104协议调试工具
在学习104协议过程中,通过直接阅读协议的学习方式会略有枯燥,这里把常用的104调试、测试工具介绍给大家,以便快速的进行模拟通信来更好的了解、学习104协议。 通信协议分析及仿真软件是非常重要的测试工具,该软件支持 101,104,mo…...
日常记录:es TransportClient添加证书处理
背景 最近在搞es登录,不知道是不是低版本问题(6.8.12),开启登录之后springboot连接es,es一直报Caused by: io.netty.handler.ssl.NotSslRecordException: not an SSL/TLS record: 45530000002c000000000000009108004d3…...
apply call bind 简介
Function.prototype.call(thisArg [, arg1, arg2, …]) call() 简述 call() 方法 调用一个函数, 其具有一个指定的 this 值和分别地提供的参数(参数的列表)。当第一个参数为 null、undefined 的时候, 默认 this 上下文指向window。 call() 简单实例 const name …...
数据结构 单调栈
应用情景 求当前元素 前面/后面,第一个比它 小/大 的元素的 值/下标/下标距离 优点 剔除重复寻路操作,将暴力 O(n^2) 优化到 O(n) 性质 从栈底开始,元素 单调递增/单调递减 单调性视具体情景而定 (找较大值还是较小值、找的方向) 思路…...
【NodeJS】NodeJS+mongoDB在线版开发简单RestfulAPI (七):MongoDB的设置
本项目旨在学习如何快速使用 nodejs 开发后端api,并为以后开展其他项目的开启提供简易的后端模版。(非后端工程师) 由于文档是代码写完之后,为了记录项目中需要注意的技术点,因此文档的叙述方式并非开发顺序࿰…...
基于flask和neo4j的医疗知识图谱展示问答系统
如果你仍在为毕业设计的选题发愁,或者想通过技术项目提升专业实力,这个基于Flask和Neo4j的医疗知识图谱展示与问答系统,绝对是个不错的选择! 项目亮点大揭秘: 知识图谱与问答结合:我们采用了医疗场景下的知…...
Python——脚本实现datax全量同步mysql到hive
文章目录 前言一、展示脚本二、使用准备1、安装python环境2、安装EPEL3、安装脚本执行需要的第三方模块 三、脚本使用方法1、配置脚本2、创建.py文件3、执行脚本4、测试生成json文件是否可用 前言 在我们构建离线数仓时或者迁移数据时,通常选用sqoop和datax等工具进…...
Python爬虫教程:从入门到精通
Python爬虫教程:从入门到精通 前言 在信息爆炸的时代,数据是最宝贵的资源之一。Python作为一种简洁而强大的编程语言,因其丰富的库和框架,成为了数据爬取的首选工具。本文将带您深入了解Python爬虫的基本概念、实用技巧以及应用…...
pytorh学习笔记——cifar10(四)用VGG训练
1、新建train.py,执行脚本训练模型: import os import timeimport torch import torch.nn as nn import torchvisionfrom vggNet import VGGbase, VGGNet from load_cifar import train_loader, test_loader import warnings import tensorboardX# 忽略…...
CRLF、UTF-8这些编辑器右下角的选项的意思
经常使用编辑器的小伙伴应该经常能看到右下角会有这么两个选项,下图是VScode中的示例,那么这两个到底是啥作用呢? 目录 字符编码ASCII 字符集GBK 字符集Unicode 字符集UTF-8 编码 换行 字符编码 此部分参考博文 在计算机中,所有…...
【C++干货篇】——类和对象的魅力(四)
【C干货篇】——类和对象的魅力(四) 1.取地址运算符的重载 1.1const 成员函数 将const修饰的成员函数称之为const成员函数,const修饰成员函数放到成员函数参数列表的后面。const实际修饰该成员函数隐含的this指针(this指向的对…...
基于java的诊所管理系统源码,SaaS门诊信息系统,二次开发的不二选择
门诊管理系统源码,诊所系统源码,saas服务模式 医疗信息化的新时代已经到来,诊所管理系统作为诊所管理和运营的核心工具,不仅提升了医疗服务的质量和效率,也为患者提供了更加便捷和舒适的就医体验,同时还推动…...
O2OA如何实现文件跨服务器的备份
O2OA可以外接存储服务器,但是一个存储服务器上怕磁盘损坏等问题导致文件丢失,所以需要实现文件跨服务器备份。 整体过程: 1、SSH免密登录配置 2、增加一个同步推送文件的.sh文件 3、编辑crontab 增加定时任务执行上一步的.sh文件 一、配…...
语音提示器-WT3000A离在线TTS方案-打破语种限制/AI对话多功能支持
前言: TTS(Text To Speech )技术作为智能语音领域的重要组成部分,能够将文本信息转化为逼真的语音输出,为各类硬件设备提供便捷的语音提示服务。本方案正是基于唯创知音的离在线TTS(离线本地音乐播放与在线…...
使用HAL库的STM32工程,实现DMA传输USART发送接收数据
以串口3为例,初始化部分为STM32CubeMX生成代码 串口初始化 UART_HandleTypeDef huart3; DMA_HandleTypeDef hdma_usart3_rx; DMA_HandleTypeDef hdma_usart3_tx;/* USART3 init function */ void MX_USART3_UART_Init(void) {/* USER CODE BEGIN USART3_Init 0 */…...
常用排序算法总结
内容目录 1. 选择类排序 1.1 直接选择排序1.2 堆排序 2. 交换类排序 2.1 冒泡排序2.2 快速排序 3. 插入类排序 3.1 直接插入排序3.2 希尔排序 4. 其它排序 4.1 归并排序4.2 基数排序/桶排序 排序 1. 选择类排序 选择类排序的特征是每次从待排序集合中选择出一个最大值或者最…...
[项目详解][boost搜索引擎#2] 建立index | 安装分词工具cppjieba | 实现倒排索引
目录 编写建立索引的模块 Index 1. 设计节点 2.基本结构 3.(难点) 构建索引 1. 构建正排索引(BuildForwardIndex) 2.❗构建倒排索引 3.1 cppjieba分词工具的安装和使用 3.2 引入cppjieba到项目中 倒排索引代码 本篇文章,我们将继续项…...
R语言编程
一、R语言在机器学习中的优势 R语言是一种广泛用于统计分析和数据可视化的编程语言,在机器学习领域也有诸多优势。 丰富的包:R拥有大量专门用于机器学习的包。例如,caret包是一个功能强大的机器学习工具包,它提供了统一的接口来训练和评估多种机器学习模型,如线性回归、决…...
Mysql主主互备配置
在现有运行的mysql环境下,修改相关配置项,完成主主互备模式的部署。 下面的配置说明中设置的mysql互备对应服务器IP为: 192.168.1.6 192.168.1.7 先检查UUID 在mysql的数据目录下,检查主备mysql的uuid(如下的server-…...
如何预防数据打架?数据仓库如何保持指标数据一致性开发指南(持续更新)
大数据开发人员最经常遇到尴尬和麻烦的事是,指标开发好了,以为万事大吉了。被业务和运营发现这个指标在不同地方数据打架,显示不同的数值。为了保证指标数据一致性,要从整个开发流程做好。 目录 一、数据仓库架构规划 二、数据抽取与转换 三、数据存储管理 四、指标管…...
我谈Canny算子
在Canny算子的论文中,提出了好的边缘检测算子应满足三点:①检测错误率低——尽可能多地查找出图像中的实际边缘,边缘的误检率(将边缘识别为非边缘)低,且避免噪声产生虚假边缘(将非边缘识别为边缘…...
无为建设局网站/seo在线培训
一.Ansible简介ansible是新出现的自动化运维工具,基于Python开发,集合了众多运维工具(puppet、cfengine、chef、func、fabric)的优点,实现了批量系统配置、批量程序部署、批量运行命令等功能。ansible是基于模块工作的…...
视频网站怎么做统计/网络代运营推广
1 前言 1.1 学习阶段说明 从2016年9月开始接触IT,学习经历主要分为以下三个阶段 1.1.1 入门阶段 从最基础的前端技术HTML、JavaScript、CSS开始入门,再到后端技术Java基础、MySQL数据库基础知识、JDBC、Servclet、JSP。利用这些简单技术实现了从前端…...
免费帮助建站/谷歌推广怎么做
1.修饰类(只有两种)默认访问权限(包访问权限):用来修饰类的话,表示该类只对同一个包中的其他类可见。(只有在本包的类中可以实例化,其他包中无法import和实例化)public:用来修饰类的话,表示该类对其他所有的类都可见。…...
佛山网站建设收费标准/小程序引流推广平台
北漂未及三月,最最心累的不仅仅从未接触过的工作(怎么就从C开发转到大数据开发了),还有让人一筹莫展、咬牙切齿的租房问题。 一筹莫展 我算是运气比较差的那一部分人了,对象在银行,本来在北京可以直接租个一…...
dz论坛做视频网站教程/目前搜索引擎排名
亲爱的忍忍:为了给忍忍们带来更好的游戏体验,《忍者必须死3》预计于2021年3月25日2:00-10:00进行停服维护(根据具体情况提前或推迟开放)。请各位忍忍相互转告,并合理安排游戏时间,以免造成损失。【维护时间】2021年3月25日2:00-10:00【更新内…...
江苏泰州建设局网站/友情链接买卖代理
在这篇文章里,你将学会什么是函数范式以及如何使用Python进行函数式编程。你也将了解列表推导和其它形式的推导。函数范式在命令式范式中,通过为计算机提供一系列指令然后执行它们来完成任务。在执行这些指令时,可以改变某些状态。例如&#…...