python过拟合实例分析

发布时间:2022-05-09 14:17:46 作者:iii
来源:亿速云 阅读:173

本篇内容介绍了“python过拟合实例分析”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

如下图便直观形象的展示出这种最严重的的过拟合情况:

python过拟合实例分析 

模型几乎拟合所有点,也就是在训练集上的准确度接近 100%,这类模型有什么特点呢?不妨看看这个模型的参数:

        1.24700471e-13, -2.35752755e-11,  2.06759733e-09, -1.11665116e-07,
        4.15722794e-06, -1.13161697e-04,  2.33087852e-03, -3.70886530e-02,
        4.61321531e-01, -4.50943817e+00,  3.46373724e+01, -2.07949995e+02,
        9.65158102e+02, -3.40164962e+03,  8.85765503e+03, -1.63366853e+04,
        1.99303609e+04, -1.41930185e+04,  4.37094529e+03,  2.87198980e+00

一共有 20 个,正好等于需要拟合的点数。

以上图形是用拉格朗日插值方法拟合出来的,借助 scipy 包完成插值,代码如下所示。

数据准备阶段:

from scipy.interpolate import lagrange
import numpy as np
import matplotlib.pyplot as plt

#使用样本个数
n = 20

# seed 保证每次都生成一个固定随机数
np.random.seed(2)
eps = np.random.rand(n) * 2

# 构造样本数据
x = np.linspace(0, 20, n)
y = np.linspace(2, 14, n) + eps

调用拉格朗日插值,得到插值函数 p,然后输入待插值点 x, 完成插值得到插值点(xx,yy)

# 调用拉格朗日插值,得到插值函数p
p = lagrange(x, y)
xx = x
yy = p(xx)

拉格朗日插值得到一个多项式模型,参数个数等于样本个数。

以上我们还原拟合所有样本点的一个方法。

机器学习中为了模型泛化能力更强,所以需要简化模型参数,换句话说对参数做正则化处理,这也符合奥卡姆剃刀定律,即简单有效原理。

常用的L1 正则会使参数稀疏化,它会将其中一些参数权重归 0. 当然就今天将要拟合的数据点而言,直接简化模型参数为 2个,拟合效果就不会差。

选用 sklearn 最最简单的线型回归模型:

from sklearn import linear_model
reg = linear_model.LinearRegression()
reg.fit(x.reshape(len(x),-1),y)

# 得到2个参数值
reg.coef_,reg.intercept_
(array([0.62182096]), 2.644854261121125)

再plot下拟合效果:

plt.figure(figsize=(12,8))
plt.scatter(x, y, color="r")
# 拉格朗日插值复杂模型
plt.plot(xx, yy, color="b",label='lagrange')
# 线型回归极简模型
plt.plot(xx,xx*reg.coef_+reg.intercept_,color='green',label='linear_model')
plt.show()
 
python过拟合实例分析

“python过拟合实例分析”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!

推荐阅读:
  1. 过拟合和欠拟合
  2. keras如何处理欠拟合和过拟合

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

python

上一篇:python怎么处理日志文件

下一篇:python如何操作文本文件

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》