Python 回归 普通最小二乘法(Ordinary Least Squares)
来源:互联网 发布:变换域自适应滤波算法 编辑:程序博客网 时间:2024/04/29 00:43
广义线性回归模型:
把作为系数向量(coef_);把作为截距(intercept_)
1.普通最小二乘法(Ordinary Least Squares)
线性回归的目的就是是的预测值与实际值的残差平方和最小:
import matplotlib.pyplot as pltimport numpy as np#载入数据集“datasets”from sklearn import datasets, linear_model#获取糖尿病的数据集diabetes = datasets.load_diabetes()#使用其中的一个特征,np.newaxis的作用是增加维度diabetes_X = diabetes.data[:, np.newaxis, 2]#将X变量数据集分割成训练集和测试集diabetes_X_train = diabetes_X[:-20]diabetes_X_test = diabetes_X[-20:]#将Y目标变量分割成训练集和测试集diabetes_y_train = diabetes.target[:-20]diabetes_y_test = diabetes.target[-20:]#创建线性回归对象regr = linear_model.LinearRegression()#使用训练数据来训练模型regr.fit(diabetes_X_train, diabetes_y_train)#查看相关系数print('Coefficients: \n', regr.coef_)#查看残差平方的均值(mean square error,MSE)print("Residual sum of squares: %.2f"#%是格式化 % np.mean((regr.predict(diabetes_X_test) - diabetes_y_test) ** 2))# Explained variance score: 1 is perfect prediction# 解释方差得分(R^2),最好的得分是1: # 系数R^2=1 - u/v, u是残差平方,u=(y_true - y_pred) ** 2).sum()# v是离差平方和,v=(y_true - y_true.mean()) ** 2).sum()print('Variance score: %.2f' % regr.score(diabetes_X_test, diabetes_y_test))#画出测试的点plt.scatter(diabetes_X_test, diabetes_y_test, color='black')#画出预测的点plt.plot(diabetes_X_test, regr.predict(diabetes_X_test), color='blue', linewidth=3)#删除X轴的标度plt.xticks(())#删除Y轴的标度plt.yticks(())plt.show()
普通最小二乘法计算复杂度
这种方法通过对X奇异值分解(singular value decomposition,SVD)来计算最小二乘的解,如果X是(n,p)的矩阵(n大于p),则代价为
http://sklearn.lzjqsdd.com/auto_examples/linear_model/plot_ols.html#example-linear-model-plot-ols-py
0 0
- Python 回归 普通最小二乘法(Ordinary Least Squares)
- 1.1.1. Ordinary Least Squares 普通最小二乘法
- 偏最小二乘法回归(Partial Least Squares Regression)
- 偏最小二乘法回归(Partial Least Squares Regression)
- 偏最小二乘法回归(Partial Least Squares Regression)
- 偏最小二乘法回归(Partial Least Squares Regression)
- 偏最小二乘法回归(Partial Least Squares Regression)
- Ordinary least squares是什么意思?
- Partial Least Squares Regression 偏最小二乘法回归
- scikit-learn学习笔记:1.1 广义线性模型-普通的最小二乘(Ordinary Least Squares)
- 【机器学习-斯坦福】学习笔记23——偏最小二乘法回归(Partial Least Squares Regression)
- 最小二乘法(Least Squares Fitting)
- 最小二乘法(least squares)
- 回归分析中的参数估计为何是最小二乘法(least squares),不是最小一乘法(least absolute deviations)
- Ordinary Least Squares 最小二乘约束
- scikit-learn学习:Ordinary Least Squares
- 最小二乘法 (Least Squares Method, LS)
- 最小二乘法(最小平方法)(generalized least squares)
- 做产品与做项目的区别
- Android 中记事本动态添加行
- J2EE系列之Struts2学习笔记(六)---struts2处理传入多个数目不定的JavaBean对象
- Eclipse显示空格,换行符
- BZOJ 3747: [POI2015]Kinoman
- Python 回归 普通最小二乘法(Ordinary Least Squares)
- AngularJS学习笔记之directive——scope选项与绑定策略
- 命令行强制开启3389服务支持server2008和2003
- Ubuntu网络IP地址配置方法小结
- Mysql 安装和使用入门
- 引水工程 最小生成树
- 数组去重
- MFC之滚动条
- 走迷宫问题(广度优先搜索)