🥦今日推荐在文章开始之前，推荐一篇值得阅读的好文章！感兴趣的也可以去看一下，并关注作者！
今日推荐：github官方开源工具推荐
文章链接：https://cloud.tencent.com/developer/article/2465836
通过这篇文章，可以帮助你深入的通过 GitHub Desktop，开发者可以轻松地在桌面环境中进行代码管理、分支管理和协作。这个工具适用于各种技术水平的开发者，从初学者到经验丰富的专业人士，都能找到自己的使用方式。
🥦机器学习中的回归任务及其实现·
机器学习中的回归任务是指通过训练数据学习一个映射关系，来预测连续值输出。与分类任务不同，回归任务的输出是一个实数值。
回归任务的应用场景
房价预测：根据位置、面积、房间数等特征预测房价。股市预测：根据历史数据预测股票价格。气象预测：根据天气数据预测温度、湿度等数值。回归评价指标
常用的回归模型评价指标包括：
均方误差（MSE）：衡量模型预测值与真实值之间的平均误差的平方。平均绝对误差（MAE）：衡量模型预测值与真实值之间的平均绝对误差。R²（决定系数）：表示模型拟合数据的好坏，值越接近1表示拟合越好。🥦线性回归模型线性回归是最基本的回归方法之一，其假设目标值与输入特征之间存在线性关系。
线性回归模型公式
代码示例：使用Python的scikit-learn实现线性回归
代码语言：python复制import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
# 创建示例数据
X = np.array([[1], [2], [3], [4], [5]]) # 特征
y = np.array([1, 2, 3, 4, 5]) # 目标值
# 创建线性回归模型
model = LinearRegression()
# 拟合数据
model.fit(X, y)
# 打印回归系数
print("回归系数:", model.coef_)
print("截距:", model.intercept_)
# 预测
y_pred = model.predict(X)
# 绘制结果
plt.scatter(X, y, color='blue') # 原数据
plt.plot(X, y_pred, color='red') # 拟合线
plt.show()运行结果如下：
🥦机器学习中的最优化方法梯度下降（Gradient Descent）：通过计算损失函数相对于参数的梯度，并更新参数，逐步逼近最优解。最小二乘法（Least Squares）：用于线性回归模型，找到使得所有样本点的误差平方和最小的参数。代码示例：使用梯度下降优化线性回归
代码语言：python复制import numpy as np
# 创建数据
X = np.array([1, 2, 3, 4, 5])
y = np.array([1, 2, 3, 4, 5])
# 初始化参数
w = 0.0
b = 0.0
learning_rate = 0.01
epochs = 1000
# 梯度下降
for epoch in range(epochs):
# 计算预测值
y_pred = w * X + b
# 计算损失函数的梯度
dw = -2 * np.sum(X * (y - y_pred)) / len(X)
db = -2 * np.sum(y - y_pred) / len(X)
# 更新参数
w -= learning_rate * dw
b -= learning_rate * db
if epoch % 100 == 0:
print(f"Epoch {epoch}: w = {w}, b = {b}")
print(f"训练完毕: w = {w}, b = {b}")运行结果如下：
🥦多项式回归多项式回归是通过引入高阶项来捕捉特征之间的非线性关系。
代码示例：使用scikit-learn实现多项式回归
代码语言：python复制from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
import numpy as np
import matplotlib.pyplot as plt
# 创建数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([1, 4, 9, 16, 25])
# 创建多项式特征
poly = PolynomialFeatures(degree=2)
X_poly = poly.fit_transform(X)
# 拟合多项式回归模型
model = LinearRegression()
model.fit(X_poly, y)
# 预测
y_pred = model.predict(X_poly)
# 绘制结果
plt.scatter(X, y, color='blue') # 原数据
plt.plot(X, y_pred, color='red') # 拟合曲线
plt.show()运行结果如下：
🥦过拟合与泛化过拟合：当模型在训练数据上表现很好，但在新数据上表现差时，说明模型过拟合了训练数据。为了避免过拟合，可以使用正则化技术。泛化：模型能够适应新数据，且不仅仅是训练数据。代码示例：通过增加多项式的阶数来观察过拟合
代码语言：python复制# 增加多项式阶数，观察是否发生过拟合
poly = PolynomialFeatures(degree=10)
X_poly = poly.fit_transform(X)
model.fit(X_poly, y)
y_pred = model.predict(X_poly)
plt.scatter(X, y, color='blue')
plt.plot(X, y_pred, color='red')
plt.show()🥦向量相关性与岭回归岭回归（Ridge Regression）是线性回归的一种正则化形式，旨在防止过拟合。
岭回归模型
岭回归通过在损失函数中加入 L2 正则化项来减少模型的复杂度：
其中，$\lambda$ 是正则化参数。
代码（岭回归实现）
代码语言：python复制import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import Ridge
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split
# 假设数据 X 和 y 已经加载到变量中
X = np.random.rand(100, 1) # 生成100个随机特征数据
y = 2 * X + np.random.randn(100, 1) # 生成目标变量
# 划分数据集为训练集和测试集
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_model = Ridge(alpha=1.0)
# 训练模型
ridge_model.fit(X_train, y_train)
# 预测
y_ridge_pred = ridge_model.predict(X_test)
# 计算MSE和R²
mse_ridge = mean_squared_error(y_test, y_ridge_pred)
r2_ridge = r2_score(y_test, y_ridge_pred)
# 打印结果
print(f"岭回归 - MSE: {mse_ridge:.2f}, R²: {r2_ridge:.2f}")
# 可视化结果
plt.scatter(X_test, y_test, color='blue', label='实际值')
plt.plot(X_test, y_ridge_pred, color='purple', label='岭回归预测值')
plt.xlabel('特征值')
plt.ylabel('目标值')
plt.legend()
plt.show()运行结果如下：
岭回归 - MSE: 1.90, R²: -0.05
MSE（均方误差）: 1.90
MSE 是衡量模型预测与实际值之间差异的一个指标，表示的是预测值与真实值之间误差的平方的平均值。较小的 MSE 值通常意味着模型的预测误差较小。这里的 1.90 表示模型的预测误差相对较大，说明模型对测试集的预测并不准确。R²（决定系数）: -0.05
R² 是用于评估回归模型拟合度的一个指标，表示模型对数据的解释能力。R² 的范围通常是 0, 1，越接近 1 表示模型的解释能力越强；值为 0 时表示模型不能解释数据中的变异；而负值通常意味着模型的表现非常差，甚至比一个简单的平均值模型还要差。负值：当 R² 为负时，通常意味着模型非常不合适，预测的效果比一个简单的基准模型（比如直接预测所有输出为目标变量的平均值）还要差。
在这种情况下，R² = -0.05 意味着岭回归模型的预测效果非常差，模型不仅没有提供有用的信息，而且其预测结果远不如基准模型。
毕竟这是虚假的数据，文章的最后我会使用真实的数据集进行测试
解释:
正则化参数：alpha 控制正则化的强度，增大 alpha 会使模型更加简单，从而避免过拟合。
🥦局部回归局部回归（Local Regression）是指针对每一个查询点，利用其附近的点来进行回归。常见的方法是 LOESS 或 LOWESS（局部加权回归）。
代码（局部回归实现）
代码语言：python复制import numpy as np
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split
# 假设数据 X 和 y 已经加载到变量中
# 示例：X = np.random.rand(100, 1) # 生成100个随机特征数据
# y = 2 * X + np.random.randn(100, 1) # 生成目标变量
# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建KNN回归模型
knn_model = KNeighborsRegressor(n_neighbors=5)
# 训练模型
knn_model.fit(X_train, y_train)
# 预测
y_knn_pred = knn_model.predict(X_test)
# 计算MSE和R²
mse_knn = mean_squared_error(y_test, y_knn_pred)
r2_knn = r2_score(y_test, y_knn_pred)
# 打印结果
print(f"KNN回归 - MSE: {mse_knn:.2f}, R²: {r2_knn:.2f}")
# 可视化结果
plt.scatter(X_test, y_test, color='blue', label='实际值')
plt.plot(X_test, y_knn_pred, color='orange', label='KNN回归预测值', linewidth=2)
plt.xlabel('特征值')
plt.ylabel('目标值')
plt.legend()
plt.show()🥦代码实践（CoNLL-2003数据集）代码语言：python复制import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression, Ridge
from sklearn.preprocessing import PolynomialFeatures
from sklearn.metrics import mean_squared_error
from sklearn.neighbors import KNeighborsRegressor
from gensim.models import Word2Vec
# 1. 加载数据并解析
def load_data(file_path):
sentences = []
sentence = []
with open(file_path, 'r', encoding='utf-8') as file:
for line in file:
if line.strip(): # 非空行
word = line.split()[0] # 提取词
sentence.append(word)
else:
if sentence:
sentences.append(sentence)
sentence = []
if sentence: # 添加最后一个句子
sentences.append(sentence)
return sentences
# 加载训练、验证和测试集
train_sentences = load_data("./data/coll2003/train.txt")
valid_sentences = load_data("./data/coll2003/valid.txt")
test_sentences = load_data("./data/coll2003/test.txt")
# 2. 训练Word2Vec模型并将句子转换为向量
embedding_dim = 100 # 嵌入维度，可以根据需要调整
w2v_model = Word2Vec(sentences=train_sentences, vector_size=embedding_dim, window=5, min_count=1, workers=4)
def sentence_to_vector(sentence, model, embedding_dim):
# 过滤出句子中存在于词向量模型中的词
vectors = [model.wv[word] for word in sentence if word in model.wv]
if len(vectors) > 0:
# 计算词向量的均值
vector = np.mean(vectors, axis=0)
else:
# 如果句子中没有任何词在词汇表中，返回一个零向量
vector = np.zeros(embedding_dim)
return vector
# 应用改进的函数
X_train = np.array([sentence_to_vector(sentence, w2v_model, embedding_dim) for sentence in train_sentences])
X_valid = np.array([sentence_to_vector(sentence, w2v_model, embedding_dim) for sentence in valid_sentences])
X_test = np.array([sentence_to_vector(sentence, w2v_model, embedding_dim) for sentence in test_sentences])
# 检查形状
print("X_train shape:", X_train.shape)
print("X_valid shape:", X_valid.shape)
print("X_test shape:", X_test.shape)
# 假设我们有目标值 y（例如，每个句子的标签或分数），这里使用随机数据进行演示
y_train = np.random.rand(len(X_train)) # 替换为实际的目标值
y_valid = np.random.rand(len(X_valid)) # 替换为实际的目标值
y_test = np.random.rand(len(X_test)) # 替换为实际的目标值
# 3. 线性回归
linear_model = LinearRegression()
linear_model.fit(X_train, y_train)
y_pred_train = linear_model.predict(X_train)
y_pred_valid = linear_model.predict(X_valid)
y_pred_test = linear_model.predict(X_test)
print("线性回归训练集MSE:", mean_squared_error(y_train, y_pred_train))
print("线性回归验证集MSE:", mean_squared_error(y_valid, y_pred_valid))
print("线性回归测试集MSE:", mean_squared_error(y_test, y_pred_test))
# 4. 多项式回归
degree = 2 # 多项式的阶数，可以调整
poly_features = PolynomialFeatures(degree=degree)
X_train_poly = poly_features.fit_transform(X_train)
X_valid_poly = poly_features.transform(X_valid)
X_test_poly = poly_features.transform(X_test)
poly_model = LinearRegression()
poly_model.fit(X_train_poly, y_train)
y_pred_train_poly = poly_model.predict(X_train_poly)
y_pred_valid_poly = poly_model.predict(X_valid_poly)
y_pred_test_poly = poly_model.predict(X_test_poly)
print("多项式回归训练集MSE:", mean_squared_error(y_train, y_pred_train_poly))
print("多项式回归验证集MSE:", mean_squared_error(y_valid, y_pred_valid_poly))
print("多项式回归测试集MSE:", mean_squared_error(y_test, y_pred_test_poly))
# 5. 岭回归
alpha = 1.0 # 正则化强度，可以调整
ridge_model = Ridge(alpha=alpha)
ridge_model.fit(X_train, y_train)
y_pred_train_ridge = ridge_model.predict(X_train)
y_pred_valid_ridge = ridge_model.predict(X_valid)
y_pred_test_ridge = ridge_model.predict(X_test)
print("岭回归训练集MSE:", mean_squared_error(y_train, y_pred_train_ridge))
print("岭回归验证集MSE:", mean_squared_error(y_valid, y_pred_valid_ridge))
print("岭回归测试集MSE:", mean_squared_error(y_test, y_pred_test_ridge))
# 6. 局部回归（KNN回归）
n_neighbors = 10 # 邻居数，可以调整
knn_model = KNeighborsRegressor(n_neighbors=n_neighbors)
knn_model.fit(X_train, y_train)
y_pred_train_knn = knn_model.predict(X_train)
y_pred_valid_knn = knn_model.predict(X_valid)
y_pred_test_knn = knn_model.predict(X_test)
print("局部回归（KNN）训练集MSE:", mean_squared_error(y_train, y_pred_train_knn))
print("局部回归（KNN）验证集MSE:", mean_squared_error(y_valid, y_pred_valid_knn))
print("局部回归（KNN）测试集MSE:", mean_squared_error(y_test, y_pred_test_knn))
# 7. 总结结果
results = {
"线性回归测试集MSE": mean_squared_error(y_test, y_pred_test),
"多项式回归测试集MSE": mean_squared_error(y_test, y_pred_test_poly),
"岭回归测试集MSE": mean_squared_error(y_test, y_pred_test_ridge),
"局部回归（KNN）测试集MSE": mean_squared_error(y_test, y_pred_test_knn),
}
print("\n测试集误差比较：")
for model, mse in results.items():
print(f"{model}: {mse}")运行结果如下：
表格如下：
🥦指标评估详解线性回归：
在训练集、验证集和测试集上的MSE都在0.08左右，说明模型在三个数据集上的误差比较一致，且误差较小。这意味着线性回归模型在这组数据上的拟合情况比较稳定，适度的表现出良好的泛化性。多项式回归：
训练集MSE较小（0.06），但验证集和测试集上的MSE相对较大（验证集为0.24，测试集为0.33）。
这种差异表明多项式回归可能出现了过拟合问题。在训练集上表现很好，但在验证集和测试集上表现较差，无法很好地泛化。这可能是因为多项式模型的复杂度较高，容易捕捉到训练数据的噪声。岭回归：
在训练集、验证集和测试集上的MSE都在0.08左右，与线性回归的表现相似。
由于岭回归使用了正则化技术，有助于减少模型的过拟合问题。因此，岭回归在三个数据集上的误差较为一致，说明它的泛化能力较好。局部回归（KNN）：
训练集上的MSE为0.07，而验证集和测试集上的MSE略高，为0.09。
KNN的表现也较为稳定，但比线性回归和岭回归的误差稍高。这可能是因为局部回归的特性更依赖于邻近数据点，泛化能力相对有限，尤其是在样本较大的测试集上。总结
线性回归和岭回归在这组数据上表现良好，MSE较低且较为稳定，适合在简单数据特征和较少噪声的场景下使用。
多项式回归出现过拟合，适用于更复杂的特征关系或在特征数量增加、正则化改进的情况下才可能取得更好的泛化效果。
局部回归（KNN）适合小数据集或对局部关系要求更高的任务，但在大数据集或需要全局建模的任务中表现略逊色。
🥦总结本文深入探讨了机器学习中的回归任务，并通过多种回归模型的详细介绍，帮助大家理解如何利用回归方法解决现实中的预测问题。通过对线性回归、多项式回归、岭回归、局部回归等模型的剖析，我们掌握了不同场景下回归任务的最佳选择和优化技巧。
关键点回顾：
回归任务的基本概念：回归任务旨在预测一个连续的输出值，广泛应用于房价预测、股市预测等领域。线性回归模型：简单且高效，通过最小化均方误差来训练模型，适合处理线性关系数据。多项式回归：扩展了线性回归，通过加入高次项处理非线性问题，适用于较复杂的数据关系。过拟合与泛化问题：过拟合是回归模型常见的难题，通过正则化（如岭回归）或减少模型复杂度来提高模型的泛化能力。岭回归与正则化：通过在损失函数中加入L2正则化项，控制模型复杂度，防止过拟合，适用于高维数据或特征相关性强的数据。局部回归（KNN回归）：针对每个数据点，使用其邻近的数据点进行回归，适用于数据呈现局部模式的情况。每种回归方法都有其适用的场景和优缺点，在实际应用中，我们需要根据具体问题选择合适的模型。此外，我们还探讨了梯度下降法和最优化方法，它们是回归模型训练中的核心步骤。为了提升模型性能，我们需要时刻关注模型的泛化能力，避免过拟合带来的负面影响。挑战与创造都是很痛苦的，但是很充实。