回归分析系列18— 平衡偏差与方差

2024-08-24 10:36

本文主要是介绍回归分析系列18— 平衡偏差与方差,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 22 平衡偏差与方差

22.1 偏差-方差权衡简介

在模型构建中,我们通常面临偏差(bias)与方差(variance)之间的权衡。偏差是指模型的预测与真实值之间的系统性误差,而方差则是指模型在不同训练集上的波动性。

高偏差通常意味着模型过于简单,无法捕捉数据中的复杂模式(即欠拟合);高方差则意味着模型对训练数据过于敏感,导致在新数据上表现不佳(即过拟合)。

22.2 正则化与偏差-方差权衡

通过引入正则化项,可以有效控制模型的方差。例如,在线性回归中,我们可以使用岭回归(L2 正则化)或Lasso回归(L1 正则化)来平衡偏差和方差。

在Python中,scikit-learn提供了相关的正则化工具。

from sklearn.linear_model import Ridge, Lasso
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import numpy as np# 生成模拟数据
np.random.seed(42)
X = np.random.randn(100, 10)
y = np.dot(X, np.random.randn(10)) + np.random.randn(100)# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)# 岭回归(L2正则化)
ridge = Ridge(alpha=1.0)
ridge.fit(X_train, y_train)
y_pred_ridge = ridge.predict(X_test)
mse_ridge = mean_squared_error(y_test, y_pred_ridge)# Lasso回归(L1正则化)
lasso = Lasso(alpha=0.1)
lasso.fit(X_train, y_train)
y_pred_lasso = lasso.predict(X_test)
mse_lasso = mean_squared_error(y_test, y_pred_lasso)print(f'Ridge MSE: {mse_ridge:.3f}')
print(f'Lasso MSE: {mse_lasso:.3f}')

在这个示例中,我们使用了岭回归和Lasso回归来演示如何通过正则化来减少方差,同时保持适当的偏差。

22.3 偏差-方差分解

偏差-方差分解是理解模型预测误差来源的关键工具。总的期望误差可以被分解为偏差平方、方差和不可约误差三部分。

  • 偏差平方(Bias^2): 反映了模型预测的系统性误差。
  • 方差(Variance): 反映了模型在不同训练集上的波动性。
  • 不可约误差(Irreducible error): 由数据本身的噪声引起,无法通过模型改进来减少。
# 生成更多数据,演示偏差-方差分解
from sklearn.utils import resamplen_bootstraps = 100
ridge_preds = np.zeros((n_bootstraps, X_test.shape[0]))
lasso_preds = np.zeros((n_bootstraps, X_test.shape[0]))# 使用不同的bootstrap样本计算偏差和方差
for i in range(n_bootstraps):X_train_res, y_train_res = resample(X_train, y_train, random_state=i)ridge.fit(X_train_res, y_train_res)ridge_preds[i, :] = ridge.predict(X_test)lasso.fit(X_train_res, y_train_res)lasso_preds[i, :] = lasso.predict(X_test)# 计算偏差、方差
ridge_bias = np.mean((np.mean(ridge_preds, axis=0) - y_test) ** 2)
ridge_variance = np.mean(np.var(ridge_preds, axis=0))lasso_bias = np.mean((np.mean(lasso_preds, axis=0) - y_test) ** 2)
lasso_variance = np.mean(np.var(lasso_preds, axis=0))print(f'Ridge Bias^2: {ridge_bias:.3f}, Variance: {ridge_variance:.3f}')
print(f'Lasso Bias^2: {lasso_bias:.3f}, Variance: {lasso_variance:.3f}')

在这段代码中,我们使用bootstrap方法估计了模型的偏差平方和方差,从而更好地理解模型的误差来源。

22.4 偏差-方差权衡的实际应用

在实际应用中,选择模型时需要平衡偏差和方差。通常我们可以通过交叉验证来选择最佳的正则化强度,从而在降低方差的同时控制偏差。

 

这篇关于回归分析系列18— 平衡偏差与方差的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1102232

相关文章

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

Spring事务中@Transactional注解不生效的原因分析与解决

《Spring事务中@Transactional注解不生效的原因分析与解决》在Spring框架中,@Transactional注解是管理数据库事务的核心方式,本文将深入分析事务自调用的底层原理,解释为... 目录1. 引言2. 事务自调用问题重现2.1 示例代码2.2 问题现象3. 为什么事务自调用会失效3

找不到Anaconda prompt终端的原因分析及解决方案

《找不到Anacondaprompt终端的原因分析及解决方案》因为anaconda还没有初始化,在安装anaconda的过程中,有一行是否要添加anaconda到菜单目录中,由于没有勾选,导致没有菜... 目录问题原因问http://www.chinasem.cn题解决安装了 Anaconda 却找不到 An

Spring定时任务只执行一次的原因分析与解决方案

《Spring定时任务只执行一次的原因分析与解决方案》在使用Spring的@Scheduled定时任务时,你是否遇到过任务只执行一次,后续不再触发的情况?这种情况可能由多种原因导致,如未启用调度、线程... 目录1. 问题背景2. Spring定时任务的基本用法3. 为什么定时任务只执行一次?3.1 未启用

C++ 各种map特点对比分析

《C++各种map特点对比分析》文章比较了C++中不同类型的map(如std::map,std::unordered_map,std::multimap,std::unordered_multima... 目录特点比较C++ 示例代码 ​​​​​​代码解释特点比较1. std::map底层实现:基于红黑

Spring、Spring Boot、Spring Cloud 的区别与联系分析

《Spring、SpringBoot、SpringCloud的区别与联系分析》Spring、SpringBoot和SpringCloud是Java开发中常用的框架,分别针对企业级应用开发、快速开... 目录1. Spring 框架2. Spring Boot3. Spring Cloud总结1. Sprin

Spring 中 BeanFactoryPostProcessor 的作用和示例源码分析

《Spring中BeanFactoryPostProcessor的作用和示例源码分析》Spring的BeanFactoryPostProcessor是容器初始化的扩展接口,允许在Bean实例化前... 目录一、概览1. 核心定位2. 核心功能详解3. 关键特性二、Spring 内置的 BeanFactory

MyBatis-Plus中Service接口的lambdaUpdate用法及实例分析

《MyBatis-Plus中Service接口的lambdaUpdate用法及实例分析》本文将详细讲解MyBatis-Plus中的lambdaUpdate用法,并提供丰富的案例来帮助读者更好地理解和应... 目录深入探索MyBATis-Plus中Service接口的lambdaUpdate用法及示例案例背景

MyBatis-Plus中静态工具Db的多种用法及实例分析

《MyBatis-Plus中静态工具Db的多种用法及实例分析》本文将详细讲解MyBatis-Plus中静态工具Db的各种用法,并结合具体案例进行演示和说明,具有很好的参考价值,希望对大家有所帮助,如有... 目录MyBATis-Plus中静态工具Db的多种用法及实例案例背景使用静态工具Db进行数据库操作插入

Go使用pprof进行CPU,内存和阻塞情况分析

《Go使用pprof进行CPU,内存和阻塞情况分析》Go语言提供了强大的pprof工具,用于分析CPU、内存、Goroutine阻塞等性能问题,帮助开发者优化程序,提高运行效率,下面我们就来深入了解下... 目录1. pprof 介绍2. 快速上手:启用 pprof3. CPU Profiling:分析 C