8种用Python实现线性回归的方法对比分析 |
您所在的位置:网站首页 › python进行回归分析 › 8种用Python实现线性回归的方法对比分析 |
说到如何用 Python 执行线性回归,大部分人会立刻想到用 sklearn 的 linear_model ,但事实是, Python 至少有 8 种执行线性回归的方法, sklearn 并不是最高效 的。
今天,让我们来谈谈线性回归。没错,作为数据科学界元老级的模型,线性回归几乎是所 有数据科学家的入门必修课。 抛开涉及大量数统的模型分析和检验不说,你真的就能熟练 应用线性回归了么?未必!
在这篇文章中,文摘菌将介绍 8 种用 Python 实现线性回归的方法。了解了这 8 种方法, 就能够根据不同需求,灵活选取最为高效的方法实现线性回归。
“宝刀不老”的线性回归
时至今日,深度学习早已成为数据科学的新宠。即便往前推 10 年, SVM 、 boosting 等算 法也能在准确率上完爆线性回归。
为什么我们还需要线性回归呢?
一方面,线性回归所能够模拟的关系其实远不止线性关系。线性回归中的“线性”指的是 系数的线性,而通过对特征的非线性变换,以及广义线性模型的推广,输出和特征之间的 函数关系可以是高度非线性的。另一方面,也是更为重要的一点,线性模型的易解释性使 得它在物理学、经济学、商学等领域中占据了难以取代的地位。
那么,如何用 Python 来实现线性回归呢?
由于机器学习库 scikit-learn 的广泛流行,常用的方法是从该库中调用 linear_model 来拟合 数据。 虽然这可以提供机器学习的其他流水线特征 (例如: 数据归一化, 模型系数正则化, 将线性模型传递到另一个下游模型)的其他优点, 但是当一个数据分析师需要快速而简便 地确定回归系数(和一些基本相关统计量)时,这通常不是最快速简便的方法。
下面, 我将介绍一些更快更简洁的方法, 但是它们所提供信息量和建模的灵活性不尽相同。
各种线性回归方法的完整源码都可以在文末的 GitHub 链接中找到。他们大多数都依赖于 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |