Python 线性回归(Linear Regression) 基本理解

爱⌒轻易说出口 提交于 2020-01-08 23:53:53

背景

学习 Linear Regression in Python – Real Python,对线性回归理论上的理解做个回顾,文章是前天读完,今天凭着记忆和理解写一遍,再回温更正。

线性回归(Linear Regression)

刚好今天听大妈讲机器学习,各种复杂高大上的算法,其背后都是在求”拟合“。

线性回归估计是最简单的拟合了。也是基础中的基础。

依然是从字面上先来试着拆解和组合:

首先,Regression 回归,指的是研究变量之间的关系,这个由来在Python 线性回归(Linear Regression) - 到底什么是 regression?一文中讲多了,这里不多重复。

然后,linear 线性,很直观:直线。

二者连在一起,便是:变量之间呈直线关系。

那具体是哪些变量之间?

因变量 y 和 自变量 (x1...xr) 之间。

𝑦 = 𝛽₀ + 𝛽₁𝑥₁ + ⋯ + 𝛽ᵣ𝑥ᵣ + 𝜀

当只有一个 x1 的时候,就是最简单的线性回归 𝑦 = 𝛽₀ + 𝛽₁𝑥₁

具体怎么理解这个公式呢?

举个简化的例子:员工的工资 y 与 学历 x 的关系。

假设学历越高,工资也越高,二者是某种程度上的线性关系,

那在理论上会存在这么一个公式 y = 𝛽₀ + 𝛽₁𝑥,其中,x1...xn, y1...yn:

  • x 和 y 的数据很容易拿到(当然合法渠道了,假设你是 hr 总监)
  • hr 总监想做的是,根据这组 (x y)数据,找出 𝛽₀ 和 𝛽₁ 的值,二者称为回归系数
  • 这样,下一次招聘的时候,根据应聘者的学历,可以先估一个工资了。

这个过程便是:数据 -> 建立模型 f(x) -> 预测

只是,理论和实际总是有差别的,就像 1/3 ~= 0.3333333333333...

所以,实际拟合到的模型可能是这样的: f(x) = 𝑏₀ + 𝑏₁𝑥

𝛽₀ 和 𝛽₁ 分别与 𝑏₀ 和 𝑏₁ 有多接近?

当然是拟合出来的越接近越好;

如何知道有多接近?

简单,

  • 将 x1...xn 代入到拟合后的模型中 f(x),
  • 求得新的 new_y1...new_yn
  • 再跟原 y1...yn 比较,比如 new_y1 - y1 (称为残差)
    • 这里要用到最小二乘法(method of ordinary least squares)
    • 因为残差可能是负的,
    • 所以用残差平方和

回归要解决的问题就是:以最简单的线性回归为例:

  • 找到最佳的 𝑏₀ 和 𝑏₁, 使模型 f(x) = 𝑏₀ + 𝑏₁𝑥 最接近理论上的线性模型 y = 𝛽₀ + 𝛽₁𝑥
  • 然后,用这个拟合好的模型 f(x) = 𝑏₀ + 𝑏₁𝑥 来预测新的数据

线性回归好多种

除了上面例子中的最简单的线性回归,还有:

  • 多元线性回归:Multiple linear Regression
    • 𝑓(𝑥₁, 𝑥₂) = 𝑏₀ + 𝑏₁𝑥₁ + 𝑏₂𝑥₂
  • 多项式回归:Polynomial Regression
    • 𝑓(𝑥) = 𝑏₀ + 𝑏₁𝑥 + 𝑏₂𝑥²....

即从二维转为三维、多维空间拟合了。这个有点复杂了,不过原理和前面是相通的。

拟合的程度

过犹不及用在这里也适合,过度拟合也很脆弱的,因为可能新增加一个或几个数据就破坏了之前的完美,就好像专门为你定制的帽子戴在别人头上就没那么合适和美了。

overfitting](https://files.realpython.com/media/poly-reg.5790f47603d8.png)

当然,拟合的不及也不好,这时候可能就要换模型或者调参了吧

underfitting

Reference

本文由博客一文多发平台 OpenWrite 发布!

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!