作业-机器学习-波士顿房价预测 四种回归算法

# -*- coding:utf-8 -*-
#基于波士顿房屋租赁数据进行房屋租赁价格预测模型构建,使用lasso回归算法做特征选择后,分别使用线性回归,
#Lasso回归, Ridge回归, ElasticNet四类回归算法构建模型(分别测试1,2,3阶)

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
import pandas as pd
import warnings
import sklearn
from sklearn.linear_model import LinearRegression,LassoCV,RidgeCV,ElasticNetCV
from sklearn.preprocessing import PolynomialFeatures #多项式特征
from sklearn.pipeline import Pipeline
from sklearn.linear_model.coordinate_descent import ConvergenceWarning #拦截异常的
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.grid_search import GridSearchCV #从sklearn.grid_search中导入网格搜索模块GridSearchCV。
from sklearn import metrics #评价指标

def notEmpty(s):
return s !='' #是空的话就是FLASE,不是空的话就是TRUE

#设置字符集,防止中文乱码

mpl.rcParams['font.sans-serif']=[u'simHei']
mpl.rcParams['axes.unicode_minus']=False
#拦截异常
warnings.filterwarnings(action = 'ignore', category=ConvergenceWarning)


# 加载数据
names = ['CRIM','ZN', 'INDUS','CHAS','NOX','RM','AGE','DIS','RAD','TAX','PTRATIO','B','LSTAT'] #前13个和房价相关的字段,LSTAT为房价
path = "datas/boston_housing.data"
# 由于数据文件格式不统一,所以读取的时候,先按照一行一个字段属性读取数据,然后再安装每行数据进行处理
fd = pd.read_csv(path,header=None)
#print(fd.shape)
data = np.empty((len(fd),14)) # len(fd)行,14列
for i, d in enumerate(fd.values): #enumerate生成一列索引i,d为其元素
d = map(float,filter(notEmpty,d[0].split(' '))) #filter一个函数,一个list, 就是空的扔掉,有值的留下

#根据函数结果是否为真 ,来过滤list中的项
data[i]=list(d)

#分割数据
x,y = np.split(data,(13,),axis=1) #分割前13列数据
# print(x[0:5])
#print(y) 由于y是个二维的,所以要用ravel拉成一维的
y = y.ravel() #转换格式 拉直操作
#print(y[0:5])
ly=len(y)
# print(y.shape)
print('样本数据量:%d,特征个数:%d '%x.shape)
print('target样本数据量:%d'%y.shape[0])

#Pipeline常用于并行调参
models = [
Pipeline([
('ss', StandardScaler()),
('poly', PolynomialFeatures()),
('linear', RidgeCV(alphas=np.logspace(-3,1,20)))
]),
Pipeline([
('ss', StandardScaler()),
('poly', PolynomialFeatures()),
('linear', LassoCV(alphas=np.logspace(-3,1,20))) #logspace 以10为底,从10的-3次方止10的0次方,中间有20步
]),
Pipeline([
('ss', StandardScaler()),
('poly', PolynomialFeatures()),
('linear', LinearRegression())
]),
Pipeline([
('ss', StandardScaler()),
('poly', PolynomialFeatures()),
('linear', ElasticNetCV(alphas=np.logspace(-3,1,20)))
])
]

#参数字典,字典中的key是属性的名称,value是可选的参数列表
parameters = {
"poly__degree": [3,2,1],
"poly__interaction_only": [True, False],#只产生交互相选TRUE,得到[0次方,X本身,Y本身,X1*Y1] ;默认选FLASE,不仅产生交互项,如X1*X1,Y1*Y1也会有
"poly__include_bias": [True, False], #多项式幂为零的特征作为线性模型中的截距,默认为True
"linear__fit_intercept": [True, False]
}

# rf = PolynomialFeatures(2,interaction_only=True)
# a = pd.DataFrame({
# 'name':[1,2,3,4,5],
# 'score':[2,3,4,4,5]
# })
# b=rf.fit_transform(a)
# print(b)

#数据分割
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)

#Lasso和Ridge模型比较运行图表展示
titles = ['Ridge','Lasso','LinearRegression','ElasticNet']
colors = ['g-','b-','y-','c-']
plt.figure(figsize=(16,8), facecolor='w')
ln_x_test = range(len(x_test))

plt.plot(ln_x_test, y_test,'r-',lw=2,label=u'真实值')
for t in range(4):
#获取模型并设置参数
#GridSearchCV: 进行交叉验证,选择出最优的参数值出来
#第一个输入参数:进行参数选择的模型,
#param_grid: 用于进行模型选择的参数字段,要求是字典类型;cv: 进行几折交叉验证

model = GridSearchCV(models[t], param_grid=parameters, cv=5, n_jobs=1) #五折交叉验证
#模型训练-网格搜索
model.fit(x_train, y_train)
#模型效果值获取(最优参数)
print('%s算法:最优参数:'%titles[t],model.best_params_)
print('%s算法:R值=%.3f'%(titles[t],model.best_score_))
#模型预测
y_predict=model.predict(x_test)
#画图
plt.plot(ln_x_test,y_predict,colors[t],lw=2,label=u'%s算法估计值,$R^2$=%.3f'%(titles[t],model.best_score_))
#图形显示
plt.legend(loc='lower right')
plt.grid(True)
plt.title(u'波士顿房屋价格预测')
plt.show()

 






## 模型训练 ====> 单个Lasso模型(1-3阶特征选择)<degree参数给定1-3阶情况的最优参数>
for e in range(1,4):
model = Pipeline([
('ss', StandardScaler()),
('poly', PolynomialFeatures(degree=e, include_bias=True, interaction_only=True)),
('linear', LassoCV(alphas=np.logspace(-3,1,20), fit_intercept=False))
])
# 模型训练
model.fit(x_train, y_train)
# 模型评测
## 数据输出
print ("%d阶参数:"%e, list(zip(names,model.get_params('linear')['linear'].coef_)))
print ("%d阶截距:"%e, model.get_params('linear')['linear'].intercept_)


 
posted @ 2019-03-26 23:14  程简单  阅读(6473)  评论(0编辑  收藏  举报