第八节:RANSAC算法线性回归

RANSAC算法线性回归(波斯顿房价预测)

  虽然普通线性回归预测结果总体而言还是挺不错的,但是从数据上可以看出数据集中有较多的离群值,因此本节将使用RANSAC算法针对离群值做处理,即根据数据子集(所谓的内点)拟合回归模型。

RANSAC算法流程

  1. 随机选择一定数量的样本作为内点拟合模型
  2. 用模型测试其他所有的点,把落在给定范围内的点放入内点集
  3. 调整模型中使用的所有内点
  4. 用内点重新拟合模型
  5. 评估模型预测结果与内点集相比较的误差
  6. 如果性能达到自定义的阈值或指定的迭代次数,则终止,否则返回步骤1

导入模块

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
from sklearn.linear_model import RANSACRegressor
from sklearn.linear_model import LinearRegression
%matplotlib inline
font = FontProperties(fname='/Library/Fonts/Heiti.ttc')

获取数据

df = pd.read_csv('housing-data.txt', sep='\s+', header=0)
X = df[['RM']].values
y = df['MEDV'].values

训练模型

联系管理员微信tutu19192010,注册账号

上一篇
下一篇
Copyright © 2022 Egon的技术星球 egonlin.com 版权所有 帮助IT小伙伴学到真正的技术