常用的三种线性模型算法–线性回归模型、岭回归模型、套索回归模型
线性模型基本概念
线性模型的一般预测模型是下面这个样子的，一般有多个变量，也可以称为多个特征x1、x2、x3 …
最简单的线性模型就是一条直线直线的方程式，b0是截距，b1是斜率
比如说我们的画一条直线：y=0.5*x+3，他是最简单的线性模型
import numpy as np
import matplotlib.pyplot as plt
#生成-5到5的元素数为100的数组
x=np.linspace(-5,5,100)
#输入直线方程
y=0.5*x+3
plt.plot(x,y,c='orange')
#图标题
plt.title('straight line')
plt.show()
这段代码使用NumPy和Matplotlib库创建了一条直线图。
首先，通过np.linspace(-5, 5, 100)生成了一个包含100个元素的数组x，范围从-5到5。这个数组用来表示x轴上的数据点。
接下来，定义了直线的方程y = 0.5*x + 3，这里使用了NumPy的广播机制，在整个数组x上进行运算得到对应的y值。
然后，使用plt.plot(x, y, c=‘orange’)绘制了直线图，传入了x和y作为坐标数据，并设置了颜色为橙色。
通过plt.title(‘straight line’)设置了图表的标题为’straight line’。
最后使用plt.show()显示了生成的直线图。
在初中的数学我们都知道是两点确定一条直线，比如说下面我们根据（1，3）、（4，5）来画出一条直线
import numpy as np
import matplotlib.pyplot as plt
#导入线性回归模型
from sklearn.linear_model import LinearRegression
#导入横纵坐标
X=[[1],[4]]
y=[3,5]
#线性拟合
lr=LinearRegression().fit(X,y)
#画图
z=np.linspace(0,5,20)
plt.scatter(X,y,s=80)
plt.plot(z,lr.predict(z.reshape(-1,1)),c='k')
plt.title('Straight Line')
plt.show()
print('\n\n\n 直线方程：')
print('=======\n')
print('y={:.3f}'.format(lr.coef_[0]),'x','+{:.3f}'.format(lr.intercept_))
print('=======\n')
print('\n\n\n')
直线方程：
=======
y=0.667 x +2.333
=======
这段代码使用了NumPy、Matplotlib和scikit-learn库，实现了对一组数据进行线性拟合，并可视化展示结果。
首先通过import语句导入了需要的三个库。
然后定义了两个变量X和y，分别表示输入的横纵坐标数据。在本例中，X包含两个数据点，y包含两个对应的输出值。
接下来，使用LinearRegression()函数创建了一个线性回归模型，并使用fit()方法对输入数据进行拟合。
然后，通过np.linspace(0, 5, 20)创建了一个包含20个元素的数组z，用于绘制直线图表。使用plt.scatter()函数绘制了散点图，包含横纵坐标数据，s=80表示散点大小为80。使用lr.predict()方法对z进行预测，并使用plt.plot()函数将预测结果连接起来画出拟合的直线。
通过plt.title(‘Straight Line’)设置了图表的标题为’Straight Line’。
最后使用plt.show()显示了生成的直线图。
在代码末尾，使用print()语句输出了拟合得到的直线方程，通过lr.coef_和lr.intercept_得到斜率和截距，并使用字符串格式化将其输出。
整体而言，这段代码通过scikit-learn库实现了对一组数据进行线性拟合，并使用Matplotlib库将拟合结果可视化展示。图表具有标题和坐标轴标签等特性，使得数据更加易于理解和解读。
接下是三个点，我们多加一个点（3，3），你会看到当有多个点的时候直线没有办法穿过三个点，所以这个时候我们需要画出一条和三个点的距离和最小的直线
X=[[1],[4],[3]]
y=[3,5,3]
lr=LinearRegression().fit(X,y)
z=np.linspace(0,5,20)
plt.scatter(X,y,s=80)
plt.plot(z,lr.predict(z.reshape(-1,1)),c='k')
plt.title('Straight Line ')
plt.show()
print('\n\n\n 直线方程：')
print('=======\n')
print('y={:.3f}'.format(lr.coef_[0]),'x','+{:.3f}'.format(lr.intercept_))
print('=======\n')
print('\n\n\n')
直线方程：
=======
y=0.571 x +2.143
=======
这段代码与前面的代码类似，只是在数据部分进行了一些修改。
在这段代码中，X的取值为[[1], [4], [3]]，y的取值为[3, 5, 3]，即有三个数据点的横纵坐标。
接着，使用LinearRegression()函数创建了一个线性回归模型，并使用fit()方法对输入数据进行拟合。
然后，通过np.linspace(0, 5, 20)创建了一个包含20个元素的数组z，用于绘制直线图表。使用plt.scatter()函数绘制了散点图，包含横纵坐标数据，s=80表示散点大小为80。使用lr.predict()方法对z进行预测，并使用plt.plot()函数将预测结果连接起来画出拟合的直线。
通过plt.title(‘Straight Line’)设置了图表的标题为’Straight Line’。
最后使用plt.show()显示了生成的直线图。
在代码末尾，使用print()语句输出了拟合得到的直线方程，通过lr.coef_和lr.intercept_得到斜率和截距，并使用字符串格式化将其输出。
下面如果我们用scikit-learn来生成非常多的点，这个时候用python的库来绘制一条最优解的曲线就显得非常方便了
from sklearn.datasets import make_regression
#用于生产回归分析数据
X,y=make_regression(n_samples=50,n_features=1,n_informative=1,noise=50,random_state=1)
#使用线性模型拟合
reg=LinearRegression()
reg.fit(X,y)
#生产等差数列用来画图
z=np.linspace(-3,3,200).reshape(-1,1)
plt.scatter(X,y,c='b',s=60)
plt.plot(z,reg.predict(z),c='k')
plt.title('Linear Regression')
print('\n\n\n 直线方程：')
print('=======\n')
print('y={:.3f}'.format(reg.coef_[0]),'x','+{:.3f}'.format(reg.intercept_))
print('=======\n')
print('\n\n\n')
直线方程：
=======
y=79.525 x +10.922
=======
这段代码使用make_regression()函数生产回归分析数据，其中n_samples表示样本数量，n_features表示特征数量，n_informative表示有用的特征数量，noise表示随机噪声的大小，random_state表示随机种子。
然后使用LinearRegression()函数创建了一个线性回归模型，并使用fit()方法对输入数据进行拟合。
接着，通过np.linspace(-3, 3, 200)创建了一个包含200个元素的数组z，用于绘制直线图表。使用plt.scatter()函数绘制了散点图，包含横纵坐标数据，c='b’表示散点颜色为蓝色，s=60表示散点大小为60。使用reg.predict()方法对z进行预测，并使用plt.plot()函数将预测结果连接起来画出拟合的直线。
通过plt.title(‘Linear Regression’)设置了图表的标题为’Linear Regression’。
最后使用plt.show()显示了生成的直线图。
在代码末尾，使用print()语句输出了拟合得到的直线方程，通过reg.coef_和reg.intercept_得到斜率和截距，并使用字符串格式化将其输出。
整体而言，这段代码使用make_regression()函数生产了一组回归分析数据，并使用线性回归模型对其进行了拟合。图表具有标题和坐标轴标签等特性，使得数据更加易于理解和解读。
线性回归
线性回归的原理是找到训练数据集中的y和真实值的平方差最小。接下里我们还是用make_regression函数来生产多数据点。这里生成了100个，特征数量为2 的点
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
X,y=make_regression(n_samples=100,n_features=2,n_informative=2,random_state=38)
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=8)
lr=LinearRegression().fit(X_train,y_train)
print('\n\n\n ')
print('=======\n')
print("lr.coef_:{}".format(lr.coef_[:]))
print("lr.intercept_:{}".format(lr.intercept_))
print('=======\n')
print('\n\n\n')
#这里斜率存储在coef_中，截距储存在intercept_中
=======
lr.coef_:[70.38592453 7.43213621]
lr.intercept_:-1.4210854715202004e-14
=======
线性回归的表现，最高分是1.00
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lr.score(X_train,y_train)))
print("test_score: {:.2f}".format(lr.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 1.00
test_score: 1.00
=======
这里我们换个数据，我们从数据库导入一个现实生活的数据，糖尿病的一些数据
from sklearn.datasets import load_diabetes
#导入真实数据集
X,y=load_diabetes().data,load_diabetes().target
#拆分成训练集和数据集
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=8)
#用线性模型拟合
lr=LinearRegression().fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lr.score(X_train,y_train)))
print("test_score: {:.2f}".format(lr.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.53
test_score: 0.46
=======
岭回归-L2正规化线性模型
岭回归是一种可以避免过拟合的线性模型，在岭回归模型里面，会保存所有的特征变量，但是会减少特征变量的系数值。在回归模型中可以改变alpha的参数来控制减小特征变量系数的参数
from sklearn.linear_model import Ridge
ridge =Ridge().fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(ridge.score(X_train,y_train)))
print("test_score: {:.2f}".format(ridge.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.43
test_score: 0.43
=======
我们可以试着把alpha的大小改为10、0.1、1，来看下他们的打分。同时我们把图形画出来看下他们的差异
from sklearn.linear_model import Ridge
ridge10 =Ridge(alpha=10).fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(ridge10.score(X_train,y_train)))
print("test_score: {:.2f}".format(ridge10.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.15
test_score: 0.16
=======
from sklearn.linear_model import Ridge
ridge01 =Ridge(alpha=0.1).fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(ridge01.score(X_train,y_train)))
print("test_score: {:.2f}".format(ridge01.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.52
test_score: 0.47
=======
plt.plot(ridge.coef_,'s',label='Ridge alpha=1')
plt.plot(ridge10.coef_,'^',label='Ridge alpha=10')
plt.plot(ridge01.coef_,'v',label='Ridge alpha=0.1')
plt.plot(lr.coef_,'o',label='linear regression')
plt.xlabel("coefficient index")
plt.ylabel("coefficient magnitude")
plt.hlines(0,0,len(lr.coef_))
plt.legend()!
我们可以看出
alpha=10,特征变量的系数基本上为0附近
alpha=1特征变量的系数变大了
alpha=0.1特征变量的系数变得非常大了，几乎与线性回归的重合
from sklearn.model_selection import learning_curve,KFold
def plot_learning_curve(est,X,y):
training_set_size,train_scores,test_scores=learning_curve(est,X,y,train_sizes=np.linspace(.1,1,20),cv=KFold(20,shuffle=True,random_state=1))
estimator_name=est.__class__.__name__
line=plt.plot(training_set_size,train_scores.mean(axis=1),'--',label="training"+estimator_name)
plt.plot(training_set_size,test_scores.mean(axis=1),'-',label="test"+estimator_name,c=line[0].get_color())
plt.xlabel('Training set size')
plt.ylabel('Score')
plt.ylim(0,1.1)
plot_learning_curve(Ridge(alpha=1),X,y)
plot_learning_curve(LinearRegression(),X,y)
plt.legend(loc=(0,1.05),ncol=2,fontsize=11)
我们也可以画出alpha为1的岭回归模型和线性回归莫模型
岭回归和线性回归主要的区别是正规化，在少数据的时候岭回归的打分在训练数据集的时候要低，但是在测试数据集都差不多。数据足够多两个模型没有太大差异，但是如果数据少的话一般是岭回归表现好。
套索回归-L1正规化的线性模型
和岭回归很想，套索回归会把系数限制在0附近，但是套索回归会让一部分数据的系数等于零，有助于让模型更容易理解
from sklearn.linear_model import Lasso
lasso=Lasso().fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lasso.score(X_train,y_train)))
print("test_score: {:.2f}".format(lasso.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.36
test_score: 0.37
=======
from sklearn.linear_model import Lasso
lasso01=Lasso(alpha=0.1,max_iter=100000).fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lasso.score(X_train,y_train)))
print("test_score: {:.2f}".format(lasso.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.53
test_score: 0.46
=======
from sklearn.linear_model import Lasso
lasso00001=Lasso(alpha=0.0001,max_iter=100000).fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lasso.score(X_train,y_train)))
print("test_score: {:.2f}".format(lasso.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.53
test_score: 0.46
=======
from sklearn.linear_model import Lasso
lasso011=Lasso(alpha=0.11,max_iter=100000).fit(X_train,y_train)
print('\n\n\n')
print('=======\n')
print(" train_score: {:.2f}".format(lasso.score(X_train,y_train)))
print("test_score: {:.2f}".format(lasso.score(X_test,y_test)))
print('=======\n')
print('\n\n\n')
=======
train_score: 0.53
test_score: 0.46
=======
我们通过图像来了解一下
plt.plot(lasso.coef_,'s',label='Ridge alpha=1')
plt.plot(lasso011.coef_,'^',label='Ridge alpha=0.11')
plt.plot(lasso00001.coef_,'v',label='Ridge alpha=0.0001')
plt.plot(ridge01.coef_,'o',label='Ridge alpha=0.1')
plt.xlabel("coefficient index")
plt.ylabel("coefficient magnitude")
alpha=1，大部分系数为0
alpha=0.01，还是很多0，但少了不少
alpha=0.0001，这个时候很多点都不是零了。
