我的数据:
State N Var1 Var2
Alabama 23 54 42
Alaska 4 53 53
Arizona 53 75 65
Var1
和 Var2
是州级的汇总百分比值。 N
是每个状态的参与者数量。我想在 Var1
之间运行线性回归和 Var2
考虑到 N
作为 Python 2.7 中 sklearn 的权重。一般线路是:
fit(X, y[, sample_weight])
假设数据加载到
df
使用 Pandas 和 N
变成 df["N"]
,我是简单地将数据放入下一行,还是需要在将 N 用作 sample_weight
之前以某种方式处理它?在命令中?fit(df["Var1"], df["Var2"], sample_weight=df["N"])
最佳答案
权重使训练模型对于输入的某些值更准确(例如,错误成本更高的地方)。在内部,权重 w 乘以损失函数中的残差 [1 ]:
因此,重要的是权重的相对比例。 N
如果它已经反射(reflect)了优先级,则可以按原样通过。统一缩放不会改变结果。
这是一个例子。在加权版本中,我们强调最后两个样本周围的区域,模型在那里变得更加准确。而且,正如预期的那样,缩放不会影响结果。
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
from sklearn.linear_model import LinearRegression
# Load the diabetes dataset
X, y = datasets.load_diabetes(return_X_y=True)
n_samples = 20
# Use only one feature and sort
X = X[:, np.newaxis, 2][:n_samples]
y = y[:n_samples]
p = X.argsort(axis=0)
X = X[p].reshape((n_samples, 1))
y = y[p]
# Create equal weights and then augment the last 2 ones
sample_weight = np.ones(n_samples) * 20
sample_weight[-2:] *= 30
plt.scatter(X, y, s=sample_weight, c='grey', edgecolor='black')
# The unweighted model
regr = LinearRegression()
regr.fit(X, y)
plt.plot(X, regr.predict(X), color='blue', linewidth=3, label='Unweighted model')
# The weighted model
regr = LinearRegression()
regr.fit(X, y, sample_weight)
plt.plot(X, regr.predict(X), color='red', linewidth=3, label='Weighted model')
# The weighted model - scaled weights
regr = LinearRegression()
sample_weight = sample_weight / sample_weight.max()
regr.fit(X, y, sample_weight)
plt.plot(X, regr.predict(X), color='yellow', linewidth=2, label='Weighted model - scaled', linestyle='dashed')
plt.xticks(());plt.yticks(());plt.legend();
( this transformation 似乎也需要将
Var1
和 Var2
传递给 fit
)
关于python - 使用 Scikit-learn 进行加权线性回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35236836/