欠拟合和过拟合

过拟合

        定义：具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。
具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型过于复杂。

过拟合的原因

1. 训练数据中噪音干扰过大，使得学习器认为部分噪音是特征从而扰乱学习规则。
2. 建模样本选取有误，例如训练数据太少，抽样方法错误，样本label错误等，导致样本不能代表整体。
3. 模型不合理，或假设成立的条件与实际不符。
4. 特征维度/参数太多，导致模型复杂度太高。

解决办法

正则化

欠拟合

        定义:欠拟合是指对训练样本的一般性质尚未学好。在训练集及测试集上的表现都不好。

 

 欠拟合的原因

1 模型复杂度过低
2 特征量过少

解决办法

增加数据的特征数量

4.3.1 带有L2正则化的线性回归——岭回归

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

1 API 

sklearn.linear_model.Ridge(alpha=1.0, fit_intercept = True, solve="auto",normalize=False)

• 具有L2正则化的线性回归
• alpha 正则化力度，也叫入  取值0~1  1~10
• solver 会根据数值自动选择优化方法，sag如果数据集特征值都比较大，选择该随机梯度下降优化
• normalize  数据是否进行标准化  normalize=False，可以在fit之前调用preprocseeing.StandardScalse标准化数据
• Ridge.coef_ 回归权重
• Ridge.intercept_ 回归偏置

Ridge方法相当于SGDRegressor(penalty='l2',loss="squared_loss")只不过SGDRegressor实现了一个普通的随机梯度下降学习，推荐使用Ridge（实现了SAG）

sklearn.linear_model.RidgeCV(_BaseRidgeCV,RegressorMixin) 具有l2正则化的线性回归，可以进行交叉验证  coef_:回归系数

def linea3():
    """
    岭回归对波士顿房价进行预测
    :return:
    """
    # 1）获取数据
    boston = load_boston()
    print("特征数量:\n", boston.data.shape)

    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(boston.data, boston.target, random_state=22)

    # 3）标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)

    # 4）预估器
    estimator = Ridge()
    estimator.fit(x_train, y_train)

    # 5）得出模型
    print("岭回归的权重系数：\n", estimator.coef_)
    print("岭回归的偏置为：\n", estimator.intercept_)

    # 6）模型评估
    y_predict = estimator.predict(x_test)
    print("预测房价：\n", y_predict)
    error = mean_squared_error(y_test, y_predict)
    print("岭回归-均方误差为：\n", error)

    return None

if __name__ == "__main__":
    # 代码1：正规方程的优化方法对波士顿房价进行预测
    linea1()
    # 代码2：梯度下降的优化方法对波士顿房价进行预测
    linea2()
    # 代码3:岭回归对波士顿房价进行预测
    linea3()