原文链接:http://tecdat.cn/?p=23305
在这篇文章中,我将展现如何应用 R 语言来进行反对向量回归 SVR。
咱们将首先做一个简略的线性回归,而后转向反对向量回归,这样你就能够看到两者在雷同数据下的体现。
一个简略的数据集
首先,咱们将应用这个简略的数据集。
正如你所看到的,在咱们的两个变量 X 和 Y 之间仿佛存在某种关系,看起来咱们能够拟合出一条在每个点左近通过的直线。
咱们用 R 语言来做吧!
第 1 步:在 R 中进行简略的线性回归
上面是 CSV 格局的雷同数据,我把它保留在 regression.csv 文件中。
咱们当初能够用 R 来显示数据并拟合直线。
# 从 csv 文件中加载数据
dataDirectory <- "D:/" #把你本人的文件夹放在这里
data <- read.csv(paste(dataDirectory, 'data.csv', sep=""), header = TRUE)
# 绘制数据
plot(data, pch=16)
# 创立一个线性回归模型
model <- lm(Y ~ X, data)
# 增加拟合线
abline(model)
下面的代码显示以下图表:
第 2 步:咱们的回归成果怎么样?
为了可能比拟线性回归和反对向量回归,咱们首先须要一种办法来掂量它的成果。
为了做到这一点,咱们扭转一下代码,使模型做出每一个预测可视化
# 对每个 X 做一个预测
pred <- predict(model, data)
# 显示预测后果
points(X, pred)
产生了以下图表。
对于每个数据点 Xi,模型都会做出预测 Y^i,在图上显示为一个红色的十字。与之前的图表惟一不同的是,这些点没有相互连接。
为了掂量咱们的模型成果,咱们计算它的误差有多大。
咱们能够将每个 Yi 值与相干的预测值 Y^i 进行比拟,看看它们之间有多大的差别。
请留神,表达式 Y^i-Yi 是误差,如果咱们做出一个完满的预测,Y^i 将等于 Yi,误差为零。
如果咱们对每个数据点都这样做,并将误差相加,咱们将失去误差之和,如果咱们取平均值,咱们将失去均匀平方误差(MSE)。
在机器学习中,掂量误差的一个常见办法是应用均方根误差(RMSE),所以咱们将应用它来代替。
为了计算 RMSE,咱们取其平方根,咱们失去 RMSE
应用 R,咱们能够失去以下代码来计算 RMSE
rmse <- function(error)
{sqrt(mean(error^2))
}
咱们当初晓得,咱们的线性回归模型的 RMSE 是 5.70。让咱们尝试用 SVR 来改善它吧!
第 3 步:反对向量回归
用 R 创立一个 SVR 模型。
上面是用反对向量回归进行预测的代码。
model <- svm(Y ~ X , data)
如你所见,它看起来很像线性回归的代码。请留神,咱们调用了 svm 函数(而不是 svr!),这是因为这个函数也能够用来用反对向量机进行分类。如果该函数检测到数据是分类的(如果变量是 R 中的一个因子),它将主动抉择 SVM。
代码画出了上面的图。
这一次的预测后果更靠近于实在的数值 ! 让咱们计算一下反对向量回归模型的 RMSE。
# 这次 svrModel$residuals 与 data$Y - predictedY 不一样。#所以咱们这样计算误差
svrPredictionRMSE
正如预期的那样,RMSE 更好了,当初是 3.15,而之前是 5.70。
但咱们能做得更好吗?
第四步:调整你的反对向量回归模型
为了进步反对向量回归的性能,咱们将须要为模型抉择最佳参数。
在咱们之前的例子中,咱们进行了 ε - 回归,咱们没有为 ε(ϵ)设置任何值,但它的默认值是 0.1。还有一个老本参数,咱们能够扭转它以防止适度拟合。
抉择这些参数的过程被称为超参数优化,或模型抉择。
规范的办法是进行网格搜寻。这意味着咱们将为 ϵ 和老本的不同组合训练大量的模型,并抉择最好的一个。
# 进行网格搜寻
tuneResultranges = list(epsilon = seq(0,1,0.1), cost = 2^(2:9))
# 绘制调参图
plot(Result)
在下面的代码中有两个重要的点。
- 咱们应用 tune 办法训练模型,ϵ=0,0.1,0.2,…,1 和 cost=22,23,24,…,29 这意味着它将训练 88 个模型(这可能须要很长一段时间
- tuneResult 返回 MSE,别忘了在与咱们之前的模型进行比拟之前将其转换为 RMSE。
最初一行绘制了网格搜寻的后果。
在这张图上,咱们能够看到,区域色彩越深,咱们的模型就越好(因为 RMSE 在深色区域更接近于零)。
这意味着咱们能够在更窄的范畴内尝试另一个网格搜寻,咱们将尝试在 0 和 0.2 之间的 ϵ 值。目前看来,老本值并没有产生影响,所以咱们将放弃原样,看看是否有变动。
rangelist(epsilo = seq(0,0.2,0.01), cost = 2^(2:9))
咱们用这一小段代码训练了不同的 168 模型。
当咱们放大暗区域时,咱们能够看到有几个较暗的斑块。
从图中能够看出,C 在 200 到 300 之间,ϵ 在 0.08 到 0.09 之间的模型误差较小。
心愿对咱们来说,咱们不用用眼睛去抉择最好的模型,R 让咱们非常容易地失去它,并用来进行预测。
# 这个值在你的电脑上可能是不同的
# 因为调参办法会随机调整数据
tunedModelRMSE <- rmse(error)
咱们再次进步了反对向量回归模型的 RMSE !
咱们能够把咱们的两个模型都可视化。在下图中,第一个 SVR 模型是红色的,而调整后的 SVR 模型是蓝色的。
我心愿你喜爱这个对于用 R 反对向量回归的介绍。你能够查看原文失去本教程的源代码。
最受欢迎的见解
1.R 语言多元 Logistic 逻辑回归 利用案例
2. 面板平滑转移回归 (PSTR) 剖析案例实现
3.matlab 中的偏最小二乘回归(PLSR)和主成分回归(PCR)
4.R 语言泊松 Poisson 回归模型剖析案例
5. R 语言混合效应逻辑回归 Logistic 模型剖析肺癌
6.r 语言中对 LASSO 回归,Ridge 岭回归和 Elastic Net 模型实现
7. R 语言逻辑回归、Naive Bayes 贝叶斯、决策树、随机森林算法预测心脏病
8.python 用线性回归预测股票价格
9. R 语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测