$\to$回归效果评价

🌕 一元回归

一元回归主要研究一个自变量和一个因变量之间的关系，而这个自变量和因变量之间的关系又可分为线性回归和非线性回归。

⭐️ 一元线性回归分析两个变量之间的线性关系，如$y=kx+b$中$x$和$y$就是线性关系。
⭐️ 一元非线性回归分析两个变量之间的非线性关系，如指数关系、对数关系等。

🌗 一元线性回归

下面用Iris数据集中的PetalLengthCm和PetalWidthCm两个变量来建立一元线性回归模型。

在建立模型前，我们要先知道一元线性回归分析法的预测模型：$y=ax+b$，我们要求的就是参数a和b，可以由下列公式求得：
$$a=\frac{n\sum x_i{y}_i-\sum x_i\sum y_i}{n\sum x_i^2-(\sum x_i{)}^2}$$
$$b=\frac{\sum y_i}{n}-a\frac{\sum x_i}{n}$$

🌑 第一种

原谅我只在这里自己实现求回归方程，因为其它的太难了0.0

import pandas as pd
from matplotlib import pyplot as plt
# 中文显示问题
import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

def add_up(data):               # 累加函数
    sum = 0
    for i in range(len(data)):
        sum += data[i]
    return sum

def cal_a(x,y):                 # 求a
    a = (len(x) * add_up(x * y) - add_up(x) * add_up(y)) / (len(x) * add_up(x ** 2) - add_up(x) ** 2)
    return a

def cal_b(x,y,a):               # 求b
    b = add_up(y) / len(x) - a * add_up(x) / len(x)
    return b

a = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap2/Iris.csv")	# 读取数据
x = a.PetalLengthCm		# 读取x的数据
y = a.PetalWidthCm		# 读取y的数据
a = cal_a(x,y)			# 计算a
b = cal_b(x,y,a)		# 计算b
print(a,b)
plt.figure(figsize = (10,6))
plt.scatter(x,y,c = "blue")		# 原始数据的点
plt.plot(x,a * x + b,"r-",linewidth = 3)	# 预测的模型
plt.xlabel("PetalWidthCm")
plt.ylabel("PetalLengthCm")
plt.title("一元线性回归模拟拟合曲线")
plt.grid()
plt.show()

🌑 第二种

现在我们再来使用python花里胡哨的包来实现一下：

import pandas as pd
import statsmodels.formula.api as smf

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap2/Iris.csv")
model = smf.ols("PetalWidthCm~PetalLengthCm",data = data).fit()
print(model.summary())

图中红圈部分就是我们之前求的a和b。

针对于回归模型的残差，可以使用Q-Q图来检验是否服从正态分布（关于Q-Q图是什么，可以看一下我这篇博客$\to$假设检验）。

import pandas as pd
from matplotlib import pyplot as plt
import statsmodels.formula.api as smf
import statsmodels.api as sm

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap2/Iris.csv")
model = smf.ols("PetalWidthCm~PetalLengthCm",data = data).fit()
fig = plt.figure(figsize = (14,6))
plt.subplot(1,2,1)                      # 将画布分为一行两列，现在对从上到下从左到右第一部分进行绘图
plt.hist(model.resid,bins = 30)         # 绘制直方图
plt.grid()
plt.title("回归残差分布直方图")
ax = fig.add_subplot(1,2,2)             # 现在对第二部分进行绘图
sm.qqplot(model.resid,line = "q",ax = ax)
plt.title("回归残差Q-Q图")
plt.show()

从上图可知，回归模型的拟合残差值符合正态分布。

针对获得的回归模型，可以使用predict()函数对新的数据进行预测：

import pandas as pd
from matplotlib import pyplot as plt
import statsmodels.formula.api as smf
import numpy as np

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap2/Iris.csv")
model = smf.ols("PetalWidthCm~PetalLengthCm",data = data).fit()

X = pd.DataFrame(data = np.arange(0.5,8,step = 0.1),columns = ["PetalLengthCm"])
Y = model.predict(X)
data.plot(kind = "scatter",x = "PetalLengthCm",y = "PetalWidthCm",c = "blue",figsize = (10,6))	# 绘制原始数据
plt.plot(X,Y,"r-",linewidth = 3)	# 绘制回归模型
plt.grid()
plt.title("一元线性回归模型拟合曲线")
plt.show()

可以看到，上图跟第一种方法绘制出来的图是一样的，只是横纵坐标的区间不一样。

🌗 一元非线性回归

下面读取一组非线性数据，来进行操作。
这个数据部分内容如下：

因为它是非线性的，所以我们先绘制一个散点图，看看它比较符合哪种非线性的形式。

import pandas as pd
from matplotlib import pyplot as plt

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap5/xydata.csv")
plt.figure(figsize = (10,6))
plt.plot(data.x,data.y,"ro")
plt.grid()
plt.show()

🌑 第一种分析

仔细一看，好像还挺符合指数关系的，那么我们还是先给出它的非线性预测模型：$y=a{e}^{-bx}+c$。因为这个模型的参数比较多且难以计算，在这我们可以通过curve_fit()函数利用数据对其进行参数估计来获取预测模型的参数值。

import numpy as np
import pandas as pd
from scipy.optimize import curve_fit

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

def func(x,a,b,c):
    return a * np.exp(-b * x) + c

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap5/xydata.csv")

popt,pcov = curve_fit(func,data.x,data.y)	# 将预测模型的函数传给curve_fit
print("a,b,c的估计值值为：",popt)

⭐️ popt：是一个数组，存有参数的最佳值，以使得平方残差之和最小。
⭐️ pcov：是一个二维阵列，popt的估计协方差。

于是我们可以得到这个曲线的回归方程：$$y=-0.1947e^{-0.1779x}+0.6524$$
得到回归方程后，我们就可以将其可视化，分析拟合曲线与原始数据之间的关系。
⭐️ plt.hlines()：画一条水平线，参数y是控制水平线的位置，参数xmin是水平线的起始位置，参数xmax是水平线的结束位置。

import numpy as np
import pandas as pd
from scipy.optimize import curve_fit
from matplotlib import pyplot as plt

import seaborn as sns
import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False
sns.set(font="Kaiti",style="ticks",font_scale=1.4)

def func(x,a,b,c):
    return a * np.exp(-b * x) + c

data = pd.read_csv("D:/Pycharm/MachineLearning/program/data/chap5/xydata.csv")
popt,pcov = curve_fit(func,data.x,data.y)
a = popt[0]
b = popt[1]
c = popt[2]
fit_y = func(data.x,a,b,c)        # 求得回归方程中的y
res = fit_y - data.y              # 回归方程中的y减去原始数据的y为残差
plt.figure(figsize = (14,6))
plt.subplot(1,2,1)                # 开始画第一个图
plt.plot(data.x,data.y,"ro",label = "原始数据")     # 画原始数据
plt.plot(data.x,fit_y,"b-",linewidth = 3,label = "指数函数")      # 画回归方程
plt.grid()
plt.legend()            # 一个小格子，表明圆点代表原始数据，线条代表指数函数
plt.title("拟合效果")
plt.subplot(1,2,2)      # 开始画第二个图
plt.plot(res,"ro")      # 绘制残差点
plt.hlines(y = 0,xmin = -1,xmax = 41,linewidth = 2) # 画一条水平线
plt.grid()
plt.title("拟合残差大小")
plt.show()

🌑 第二种分析

同样，针对前面的非线性数据，它的可视化图像如下；

有没有这样一种可能，它的变化趋势接近于$y=a{x}^2+bx+c$呢？现在我们就来试一下看。

因为只需改一下func中的内容即可，这里就不放全部代码了。

def func(x,a,b,c):
	return a * x ** 2 + b * x + c

得到的回归方程为：$$y=-0,000978x^2+0.02748x+0.45396$$
下面我们再将其可视化来分析拟合曲线与原始数据之间的关系。

对比两次的可视化图可以发现，使用二次函数的拟合效果没有使用指数函数的拟合效果好。

所以对于一元回归来说，要得到它的回归方程，我们可以先定义一个方程，然后利用curve_fit()函数进行方程的拟合，求得参数的值，最后再带入我们预先考虑好的模型里就能得到回归方程了，这是最简单的一种。当然也可以自己用代码去实现这个功能0.0，不过对于我来说难度就很大了，还需多多努力！！