线性回归实例——预测二手乐高价格

岭回归概念

岭回归，其实也是一种线性回归。只不过在算法建立回归方程时候，加上正则化的限制，从而达到解决过拟合的效果。

简单说来，岭回归就是在矩阵x^T*x上加一个λI从而使得矩阵非奇异，进而能对x^T*x+λI求逆。其中矩阵I是一个m*m的单位矩阵，对角线上元素全为1，其他元素全为0。而λ是一个用户定义的数值。在这种情况下，回归系数的计算公式将变成：

概括的说，岭回归就是在普通线性回归的基础上引入单位矩阵I和惩罚系数λ。

岭回归可以很好地解决以下情况:

x本身存在线性相关关系(即多重共线性)，即非满秩矩阵。
当特征数n比样本m多，即m<n时，这时矩阵x不是满秩矩阵，非满秩矩阵在求逆时会出现问题

缩减方法可以去掉不重要的参数，因此能更好地理解数据。此外，与简单的线性回归相比，缩减法能取得更好的预测效果。

这里通过预测误差最小化得到λ：数据获取之后，首先抽一部分数据用于测试，剩余的作为训练集用于训练参数w。训练完毕后在测试集上测试预测性能。通过选取不同的2来重复上述测试过程，最终得到一个使预测误差最小的λ。

岭回归中的岭是什么?

岭回归使用了单位矩阵乘以常量λ，我们观察其中的单位矩阵I，可以看到值1贯穿整个对角线，其余元素全是0。形象地，在0构成的平面上有一条1组成的“岭”，这就是岭回归中的“岭”的由来。

岭回归实例

乐高(LEGO) 公司生产拼装类玩具，由很多大小不同的塑料插块组成。一般来说，这些插块都是成套出售，它们可以拼装成很多不同的东西，如船、城堡、一些著名建筑等。乐高公司每个套装包含的部件数目从10件到5000件不等。

一种乐高套件基本上在几年后就会停产，但乐高的收藏者之间仍会在停产后彼此交易。本次实例，就是使用回归方法对收藏者之间的交易价格进行预测。

我们对商品做了处理。商品特征分别为：出品年份，部件数目，是否为全新，原价，售价(二手交易)。此外，还需要添加全为1的特征X0列。这是因为线性回归的第一列特征要求都是1.0。

读入数据：从lego.csv中读入乐高的各项数据


def loadDataSet(filename):
    data = pd.read_csv(filename)
    xArr = data.iloc[:, :-1].values
    lgY = data.iloc[:, -1].values
    data_num, features_num = np.shape(xArr)
    lgX = np.mat(np.ones((data_num, features_num + 1)))
    lgX[:, 1:5] = np .mat(xArr)
    return lgX, lgY

Parameters：
filename – 文件名
Returns：
lgX – x数据集（x0为全1列）
lgY – y数据集

使用岭回归求出回归系数


def ridgeRegres(xArr, yArr, lam=0.2):
    xMat = np.mat(xArr)
    yMat = np.mat(yArr).T
    xTx = xMat.T * xMat
    denom = xTx + np.eye(np.shape(xMat)[1]) * lam
    if np.linalg.det(denom) == 0.0:
        print("矩阵为奇异矩阵,不能求逆")
        return
    ws = denom.I * (xMat.T * yMat)
    return ws

Parameters:
xMat – x数据集
yMat – y数据集
lam – 缩减系数
Returns:
ws – 回归系数

输出线性方程

我们选取50条数据作为训练样本：


lgX, lgY = loadDataSet("lego.csv")
ws2 = ridgeRegres(lgX[10:50], lgY[10:50])
print("二手的售价=%f+%f*出品年份%f*部件数目%f*是否为全新+%f*原价"
      % (ws2[0], ws2[1], ws2[2], ws2[3], ws2[4]))

做出以上处理后，大致的结果如下：

写在最后

以上就是大致的岭回归预测的步骤，如果有感兴趣的也可以普通线性回归于岭回归做对比，看看两者结果上的差异

人工智能算法