稳健线性估计器拟合

简介

在本实验中，我们将学习如何使用 Python 的 scikit-learn 库来执行稳健的线性估计器拟合。我们将用 3 阶多项式拟合接近零值的正弦函数，并在不同情况下演示稳健拟合。我们将使用中位数绝对偏差对未受干扰的新数据进行判断预测质量。

虚拟机提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

Skills Graph

导入所需库并生成数据

我们首先需要导入必要的库，并生成用于拟合的数据。我们将生成一个带有一些噪声的正弦函数，并通过在 X 和 y 中引入误差来破坏数据。

from matplotlib import pyplot as plt
import numpy as np

from sklearn.linear_model import (
    LinearRegression,
    TheilSenRegressor,
    RANSACRegressor,
    HuberRegressor,
)
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import make_pipeline

np.random.seed(42)

X = np.random.normal(size=400)
y = np.sin(X)
## 确保 X 是二维的
X = X[:, np.newaxis]

X_test = np.random.normal(size=200)
y_test = np.sin(X_test)
X_test = X_test[:, np.newaxis]

y_errors = y.copy()
y_errors[::3] = 3

X_errors = X.copy()
X_errors[::3] = 3

y_errors_large = y.copy()
y_errors_large[::3] = 10

X_errors_large = X.copy()
X_errors_large[::3] = 10

用 3 阶多项式拟合正弦函数

我们将用 3 阶多项式对接近零的值拟合一个正弦函数。

x_plot = np.linspace(X.min(), X.max())

在不同情况下演示稳健拟合

我们现在将使用四种不同的估计器：普通最小二乘法（OLS）、泰尔 - 森估计器（Theil - Sen）、随机抽样一致性算法（RANSAC）和稳健回归估计器（HuberRegressor），在不同情况下演示稳健拟合。

estimators = [
    ("OLS", LinearRegression()),
    ("Theil-Sen", TheilSenRegressor(random_state=42)),
    ("RANSAC", RANSACRegressor(random_state=42)),
    ("HuberRegressor", HuberRegressor()),
]
colors = {
    "OLS": "turquoise",
    "Theil-Sen": "gold",
    "RANSAC": "lightgreen",
    "HuberRegressor": "black",
}
linestyle = {"OLS": "-", "Theil-Sen": "-.", "RANSAC": "--", "HuberRegressor": "--"}
lw = 3

绘制结果

我们现在将绘制每种不同情况的结果。

for title, this_X, this_y in [
    ("仅建模误差", X, y),
    ("X 数据损坏，小偏差", X_errors, y),
    ("y 数据损坏，小偏差", X, y_errors),
    ("X 数据损坏，大偏差", X_errors_large, y),
    ("y 数据损坏，大偏差", X, y_errors_large),
]:
    plt.figure(figsize=(5, 4))
    plt.plot(this_X[:, 0], this_y, "b+")

    for name, estimator in estimators:
        model = make_pipeline(PolynomialFeatures(3), estimator)
        model.fit(this_X, this_y)
        mse = mean_squared_error(model.predict(X_test), y_test)
        y_plot = model.predict(x_plot[:, np.newaxis])
        plt.plot(
            x_plot,
            y_plot,
            color=colors[name],
            linestyle=linestyle[name],
            linewidth=lw,
            label="%s: 误差 = %.3f" % (name, mse),
        )

    legend_title = "与未损坏数据的\n中位数绝对偏差误差"
    legend = plt.legend(
        loc="upper right", frameon=False, title=legend_title, prop=dict(size="x-small")
    )
    plt.xlim(-4, 10.2)
    plt.ylim(-2, 10.2)
    plt.title(title)
plt.show()

总结

在本实验中，我们学习了如何使用 Python 的 scikit-learn 库来执行稳健线性估计器拟合。我们对接近零的值用 3 阶多项式拟合了一个正弦函数，并在不同情况下演示了稳健拟合。我们使用与未损坏新数据的中位数绝对偏差来判断预测质量。