波士顿房价预测
- [1. 机器学习中的任务分类](#1. 机器学习中的任务分类)
- [2. 波士顿房价预测](#2. 波士顿房价预测)
-
- [2.1 分析数据](#2.1 分析数据)
- [2.2 比较 MAE 和 MSE](#2.2 比较 MAE 和 MSE)
- [2.2 代码](#2.2 代码)
1. 机器学习中的任务分类
- 有监督学习(supervised):有特征也有标签
- 分类问题
- classification
- 预测离散量
- 回归问题
- regression
- 预测连续量
- 分类问题
- 无监督学习(unsupervised):无监督学习
- 聚类算法
- KMeans
- 降维算法
- PCA
- 聚类算法
- 自监督学习:
- 大模型预训练,使用自监督
- 输入文本,自己挖空填空
2. 波士顿房价预测
2.1 分析数据
- 观察数据,最后一列代表房价,是连续量,所以房价预测是一个回归问题。
24.00
21.60
34.70
33.40
36.20
28.70
22.90
27.10
2.2 比较 MAE 和 MSE
- 这里模型的评估与分类问题不同,此处采用的是平均方差误差;
- MAE 平均绝对误差 指的是计算 (预测值-真实值) 的 平均值 ,这种方法可以直观地感受到误差的大小,也有实际的物理意义,更便于理解。但是绝对值会导致函数出现 不可导点 ,这将会给后续的计算带来很大麻烦;
- MSE 平均平方误差 就是 计算 (预测值-真实值) 的 平方 的 平均值, 这样得到的结果并无实际意义,但是解决了不可导点的问题,从计算角度来讲,更容易求导,简化了计算。
- 虽然我们无法从 MSE 的数值上直接得到有效信息,但是却可以通过比较来评估模型的好坏,信息是在比较中产生的。
2.2 代码
- 加载和拆分数据
python
X=[]
y=[]
with open('housing.data',mode='r',encoding='utf8') as f:
for line in f:
line = line.strip()
if line:
line = line.split(' ')
line = [float(ele) for ele in line if ele]
features=line[:-1]
label=line[-1]
X.append(features)
y.append(label)
import numpy as np
X=np.array(X)
y=np.array(y)
print(X.shape,y.shape) #:(506, 13) (506,) #:(506, 13) (506,)
# 拆分数据
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.15,random_state=0)
- KNN
python
# KNN
from sklearn.neighbors import KNeighborsRegressor
knn=KNeighborsRegressor()
knn.fit(X=X_train,y=y_train)
pred = knn.predict(X_test)
# MAE 平均绝对误差(有不可导点)
# acc1=np.abs(pred-y_test).mean()
# MSE 平均平方误差(一笔糊涂账,从计算角度来讲,求导方便)
print('均方差',((pred-y_test)**2).mean()) #:均方差 47.64864736842107
- 决策树
python
# 决策树
from sklearn.tree import DecisionTreeRegressor
dtr=DecisionTreeRegressor()
dtr.fit(X_train,y_train)
pred=dtr.predict(X_test)
print('均方差',((pred-y_test)**2).mean()) #:均方差 32.76315789473684
- 线性回归
y = F ( X ) = x 0 w 0 + x 1 w 1 + x 2 w 2 + . . . + x 12 w 12 y=F(X)=x_0w_0+x_1w_1+x_2w_2+...+x_{12}w_{12} y=F(X)=x0w0+x1w1+x2w2+...+x12w12
python
# 线性回归
from sklearn.linear_model import LinearRegression
lr=LinearRegression()
lr.fit(X_train,y_train)
pred=lr.predict(X_test)
MSE=((pred-y_test)**2).mean()
print('系数:',lr.coef_,'偏置',lr.intercept_)
print('误差:',MSE) #:误差: 33.12038170826738
输出:
系数: [-1.24536078e-01 4.06088227e-02 5.56827689e-03 2.17301021e+00
-1.72015611e+01 4.02315239e+00 -4.62527553e-03 -1.39681074e+00
2.84078987e-01 -1.17305066e-02 -1.06970964e+00 1.02237522e-02
-4.54390752e-01] 偏置 36.0926776176116