02-11 RANSAC算法线性回归(波斯顿房价预测)

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

RANSAC算法线性回归(波斯顿房价预测)
一、RANSAC算法流程
二、导入模块
三、获取数据
四、训练模型
五、可视化

更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.html

RANSAC算法线性回归(波斯顿房价预测)

虽然普通线性回归预测结果总体而言还是挺不错的，但是从数据上可以看出数据集中有较多的离群值，因此本节将使用RANSAC算法针对离群值做处理，即根据数据子集（所谓的内点）拟合回归模型。

一、RANSAC算法流程

随机选择一定数量的样本作为内点拟合模型
用模型测试其他所有的点，把落在给定范围内的点放入内点集
调整模型中使用的所有内点
用内点重新拟合模型
评估模型预测结果与内点集相比较的误差
如果性能达到自定义的阈值或指定的迭代次数，则终止，否则返回步骤1

二、导入模块

import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties from sklearn.linear_model import RANSACRegressor from sklearn.linear_model import LinearRegression %matplotlib inline font = FontProperties(fname='/Library/Fonts/Heiti.ttc')

三、获取数据

df = pd.read_csv('housing-data.txt', sep='\s+', header=0) X = df[['RM']].values y = df['MEDV'].values

四、训练模型

# max_trials=88即最大迭代次数为88次 # min_samples=66即样本最低数量为66个 # loss=‘absolute_loss’即使用均方误差损失函数 # residual_threshold=6即只允许与拟合线垂直距离在6个单位以内的采样点被包括在内点集 ransac = RANSACRegressor(LinearRegression(), max_trials=88, min_samples=66, loss='absolute_loss', residual_threshold=6) ransac.fit(X, y)# 获取内点集 inlier_mask = ransac.inlier_mask_ # 获取非内点集 outlier_mask = np.logical_not(inlier_mask) # 建立回归线 line_X = np.arange(3, 10, 1) # 由于ransac模型期望数据存储在二维阵列中，因此使用line_X[:, np.newaxis]方法给X增加一个新维度 line_y_ransac = ransac.predict(line_X[:, np.newaxis])

五、可视化

plt.scatter(X[inlier_mask], y[inlier_mask], c='r', edgecolor='white', marker='s', label='内点') plt.scatter(X[outlier_mask], y[outlier_mask], c='g', edgecolor='white', marker='o', label='离群点') plt.plot(line_X, line_y_ransac, color='k')plt.xlabel('平均房间数目[MEDV]', fontproperties=font) plt.ylabel('以1000美元为计价单位的房价[RM]', fontproperties=font) plt.title('波士顿房价预测', fontproperties=font, fontsize=20) plt.legend(prop=font) plt.show() print('RANSAC算法线性回归斜率:{}'.format(ransac.estimator_.coef_[0]))