机器学习12种模型代码
- 计算机科学
- 2024-01-14
- 228热度
- 0评论
每次输入数据之前记得打印一下数据看是不是读入正确了
0、BMA方法代码
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.tree import DecisionTreeRegressor
# 生成示例数据
X = np.random.rand(100, 1) # 特征
y = 2 * X.squeeze() + np.random.randn(100) # 目标变量
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义候选模型集合
models = [
LinearRegression(),
DecisionTreeRegressor(max_depth=3)
]
# 训练候选模型
for model in models:
model.fit(X_train, y_train)
# 计算模型权重（简单均匀权重）
weights = np.ones(len(models)) / len(models)
# 预测结果融合（回归问题，加权平均）
y_pred = np.zeros_like(y_test)
for model, weight in zip(models, weights):
y_pred += weight * model.predict(X_test)
# 打印预测结果
print("Ensemble prediction:", y_pred)00 模型进行网格搜索代码
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import Ridge
from sklearn.pipeline import make_pipeline
from sklearn.model_selection import GridSearchCV
# 创建多项式回归模型
model = make_pipeline(PolynomialFeatures(), Ridge())
# 定义超参数的候选值
param_grid = {
'polynomialfeatures__degree': [2, 3, 4], # 多项式的阶数
'ridge__alpha': [0.1, 1.0, 10.0] # 正则化参数
}
# 创建网格搜索对象
grid_search = GridSearchCV(model, param_grid, cv=5)
# 在训练集上进行网格搜索
grid_search.fit(X_train, y_train)
# 输出最佳超参数组合
print("Best parameters: ", grid_search.best_params_)
# 使用最佳超参数的模型进行预测
y_pred = grid_search.predict(X_test)1、训练测试集划分
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1786, random_state=42)# 训练模型
model = LinearRegression()
model.fit(X_train, y_train)
# 预测结果
y_pred = model.predict(X_test)
# 计算R2
r2 = r2_score(y_test, y_pred)
# 计算MSE
mse = mean_squared_error(y_test, y_pred)
# 计算RMSE
rmse = np.sqrt(mse)
#计算MAE
mae = mean_absolute_error(y_test, y_pred)
# 打印结果
print("R2:", r2)
print("MAE:", mae)
print("MSE:", mse)
print("RMSE:", rmse)2、线性回归模型
from sklearn.metrics import r2_score, mean_squared_error
#超参数
model = LinearRegression(fit_intercept=True, normalize=False, copy_X=True)fit_intercept（默认为True）：指定是否计算截距。如果设置为False，则模型不会计算截距，直线将通过原点。normalize（默认为False）：指定是否对输入特征进行标准化。如果设置为True，则模型会对输入特征进行标准化，使其具有零均值和单位方差。copy_X（默认为True）：指定是否复制输入特征。如果设置为False，则模型会直接对输入特征进行操作，可能会修改原始数据。
3、逻辑回归（logistic regression）
from sklearn.linear_model import LogisticRegression
model = LogisticRegression(penalty='l2', C=1.0, fit_intercept=True, solver='lbfgs', max_iter=100)penalty：用于指定正则化类型的惩罚项。可以选择的值包括'l1'（L1正则化）、'l2'（L2正则化）和'none'（无正则化）。C：正则化强度的倒数，控制正则化的力度。较小的C值表示较强的正则化，较大的C值表示较弱的正则化。fit_intercept（默认为True）：指定是否计算截距。如果设置为False，则模型不会计算截距。solver：用于指定优化算法的求解器。可以选择的值包括'newton-cg'、'lbfgs'、'liblinear'、'sag'和'saga'。max_iter：最大迭代次数，用于控制优化算法的迭代次数。
4、多项式回归
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression
from sklearn.pipeline import make_pipeline
# 创建多项式回归模型
degree = 2 # 多项式的阶数
model = make_pipeline(PolynomialFeatures(degree), Ridge(alpha))
# 训练模型
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
多项式回归中有几个重要的超参数需要考虑，除了多项式的阶数（degree）之外，还有正则化参数（alpha）和特征选择参数。
- 多项式的阶数（
degree）：多项式回归中，阶数决定了多项式的复杂度。较高的阶数可以更好地拟合非线性关系，但也容易引入过拟合。因此，需要通过交叉验证等方法来选择合适的阶数。 - 正则化参数（
alpha）：在多项式回归中，正则化可以帮助控制模型的复杂度，避免过拟合。正则化参数（如岭回归中的alpha）用于调整正则化的强度。较大的alpha值会增加正则化的影响，降低模型的复杂度。 - 特征选择参数：在多项式回归中，可以使用特征选择方法来选择合适的特征子集。例如，可以使用L1正则化（如Lasso回归）来鼓励模型选择重要的特征，从而降低模型的复杂度。
5. LASSO
LASSO（最小绝对收缩和选择算子）通过增加L1正则化来对回归系数进行惩罚，从而实现特征选择和模型稀疏性
from sklearn.linear_model import Lasso
# 创建 LASSO 模型
model = Lasso(alpha=0.1) # 在这里指定 alpha 值
model.fit(X_train,y_train)
y_pred = model.predict(X_test)
lasso_model = model
e_p(y_test, X_test)6. DT
from sklearn.tree import DecisionTreeRegressor
# 创建决策树回归模型
model = DecisionTreeRegressor(max_depth= 7, min_samples_split=5)
# 在训练集上拟合模型
model.fit(X_train, y_train)
dt_model = model
e_p(y_train,X_train)
print(' ')
e_p(y_test, X_test)
7. KNR
from sklearn.svm import SVR
# 创建SVR模型
svr_model = SVR(kernel='rbf', random_state=42)
# 在训练集上训练模型
model.fit(X_train, y_train)
svr_model = model
e_p(y_train,X_train)
print(' ')
e_p(y_test, X_test)8. MLP
from sklearn.neural_network import MLPRegressor
# 创建MLP回归器模型
model = MLPRegressor(hidden_layer_sizes=(10,), activation='tanh', solver='sgd' ,random_state=42,max_iter=5000)
# 在训练集上训练模型
model.fit(X_train, y_train)
mlpr_model = model
e_p(y_train,X_train)
print(' ')
e_p(y_test, X_test)9.RFR
from sklearn.ensemble import RandomForestRegressor
# 创建MLP回归器模型
model = RandomForestRegressor()
# 在训练集上训练模型
model.fit(X_train, y_train)
rfr_model = model
e_p(y_train,X_train)
print(' ')
e_p(y_test, X_test)10.XGB
import xgboost as xgb
# 定义XGBoost回归模型
model = xgb.XGBRegressor(n_estimators=100,learning_rate=0.1,max_depth=3,objective='reg:squarederror',random_state=42)
# 在训练集上训练模型
model.fit(X_train, y_train)
xgb_model = model
e_p(y_train,X_train)
print(' ')
e_p(y_test, X_test)11.GBDT-D(Gradient Boosting with Dropout)
import xgboost as xgb
# 创建一个GBDT-D模型
params = {'objective': 'binary:logistic',
'tree_method': 'gpu_hist',
'eval_metric': 'logloss',
'dropout_rate': 0.1} # 设置dropout率
num_boost_round = 100
dtrain = xgb.DMatrix(X_train, label=y_train)
# 训练模型
model = xgb.train(params, dtrain, num_boost_round)
# 使用模型进行预测
dtest = xgb.DMatrix(X_test)
pred = model.predict(dtest)
12.DART (Dropout Additive Regression Trees)
DART（Dropout Additive Regression Trees）是一种基于决策树的集成学习方法，它结合了随机性和集成思想，用于回归问题。
DART是通过对每个基础决策树中的节点应用dropout技术来引入随机性的。具体而言，在每次训练过程中，随机选择一部分节点，并将它们从当前树的构建过程中删除，这样剩下的树就会变得更加矮且宽，每个节点的分支也会减少。这种节点的随机删除过程可以增加模型的多样性，并减少过拟合的风险。
除了应用dropout，DART还使用了Boosting思想。Boosting是通过迭代地训练多个弱模型，然后将它们按一定规则进行组合，以构建一个更强大的集成模型。DART采用了加性模型（Additive Model）的方法，每个基础决策树都在之前树的预测结果基础上进行训练，以逐步提升模型性能。
import xgboost as xgb
# 创建一个DART模型
params = {'objective': 'binary:logistic',
'tree_method': 'gpu_hist',
'eval_metric': 'logloss',
'rate_drop': 0.1, # 设置dropout概率
'sample_type': 'uniform', # 随机丢弃树节点的策略
'normalize_type': 'forest'} # 归一化计算出的权重
num_boost_round = 100
dtrain = xgb.DMatrix(X_train, label=y_train)
# 训练模型
model = xgb.train(params, dtrain, num_boost_round)
# 使用模型进行预测
dtest = xgb.DMatrix(X_test)
pred = model.predict(dtest)13.Regularized Gradient Boosting
Regularized Gradient Boosting（正则化梯度提升）是一种集成学习方法，结合了梯度提升（Gradient Boosting）和正则化技术，用于解决回归和分类问题。
梯度提升是一种迭代的集成学习技术，通过逐步构建一系列弱学习器（通常是决策树），每个学习器都试图纠正前面学习器的错误。梯度提升通过梯度下降来最小化损失函数，每一轮迭代都构建一个新的模型来拟合当前残差。最终，所有模型的预测结果加权相加形成最终的集成模型。
正则化是一种用于控制模型复杂度的技术，旨在降低模型过拟合的风险。在正则化梯度提升中，常用的正则化技术包括L1正则化（Lasso）和L2正则化（Ridge）。
- L1正则化（Lasso）通过在损失函数中增加L1范数惩罚，鼓励模型权重稀疏化，从而选取最重要的特征进行建模，同时可以减少冗余特征的影响。
- L2正则化（Ridge）通过在损失函数中增加L2范数惩罚，使得模型权重尽可能小，防止模型对训练数据的噪声过敏。L2正则化还可以提高模型的泛化能力。
