ML - 简单线性回归 (Simple Linear Regre

1. 统计量：描述数据特征

• 集中趋势衡量

1. 均值（平均数，平均值）（mean）

   
   

{6, 2, 9, 1, 2}
(6 + 2 + 9 + 1 + 2) / 5 = 20 / 5 = 4

2. 中位数 （median）
   将数据中的各个数值按照大小顺序排列，居于中间位置的变量

• 给数据排序：1， 2， 2， 6， 9
  找出位置处于中间的变量：2
  当n为基数的时候：直接取位置处于中间的变量
  当n为偶数的时候，取中间两个量的平均值

3. 众数 （mode）
   数据中出现次数最多的数

4. 离散程度衡量

• 方差（variance)

  
  

{6, 2, 9, 1, 2}
① (6 - 4)^2 + (2 - 4) ^2 + (9 - 4)^2 + (1 - 4)^2 + (2 - 4)^2
= 4 + 4 + 25 + 9 + 4
= 46
② n - 1 = 5 - 1 = 4
③ 46 / 4 = 11.5

• 标准差 (standard deviation)

  
  
  

  s = sqrt(11.5) = 3.39

2. 介绍

• 回归(regression) Y变量为连续数值型(continuous numerical variable)
  如：房价，人数，降雨量

• 分类(Classification): Y变量为类别型(categorical variable)
  如：颜色类别，电脑品牌，有无信誉

简单线性回归(Simple Linear Regression)

• 很多做决定过程通常是根据两个或者多个变量之间的关系

• 回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间如何关联

• 被预测的变量叫做：因变量(dependent variable), y, 输出(output)

• 被用来进行预测的变量叫做： 自变量(independent variable), x, 输入(input)

简单线性回归介绍

• 简单线性回归包含一个自变量(x)和一个因变量(y)
• 以上两个变量的关系用一条直线来模拟
• 如果包含两个以上的自变量，则称作多元回归分析(multiple regression)

简单线性回归模型

• 被用来描述因变量(y)和自变量(X)以及偏差(error)之间关系的方程叫做回归模型

• 简单线性回归的模型是:

  
  

简单线性回归方程

E(y) = β₀+β₁x

这个方程对应的图像是一条直线，称作回归线

其中，β₀是回归线的截距

β₁是回归线的斜率

E(y)是在一个给定x值下y的期望值（均值）

正向线性关系：

负向线性关系：

无关系

估计的简单线性回归方程

ŷ=b₀+b₁x

这个方程叫做估计线性方程(estimated regression line)
其中，b₀是估计线性方程的纵截距
b₁是估计线性方程的斜率
ŷ是在自变量x等于一个给定值的时候，y的估计值

线性回归分析流程：

关于偏差ε的假定

是一个随机的变量，均值为0
ε的方差(variance)对于所有的自变量x是一样的
ε的值是独立的
ε满足正态分布

简单线性回归模型举例：

汽车卖家做电视广告数量与卖出的汽车数量：

• 如何练处适合简单线性回归模型的最佳回归线？

  
  

使sum of squares最小

• 计算

  
  

分子 = (1-2)(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20)

= 6 + 4 + 0 + 3 + 7

= 20

分母 = （1-2）^2 + (3-2)^2 + (2-2)^2 + (1-2)^2 + (3-2)^2

= 1 + 1 + 0 + 1 + 1

=4

b1 = 20/4 =5

b0 = 20 - 5*2 = 20 - 10 = 10

• 预测：
  假设有一周广告数量为6，预测的汽车销售量是多少？

  
  

x_given = 6

Y_hat = 5*6 + 10 = 40

• Python实现：

import numpy as np

def fitSLR(x, y):
    n = len(x)
    dinominator = 0
    numerator = 0
    for i in range(0, n):
        numerator += (x[i] - np.mean(x)) * (y[i] - np.mean(y))
        dinominator += (x[i] - np.mean(x)) ** 2
    b1 = numerator / float(dinominator)
    b0 = np.mean(y) / float(np.mean(x))
    return b0, b1


def predict(x, b0, b1):
    return b0 + x * b1


x = [1, 3, 2, 1, 3]
y = [14, 24, 18, 17, 27]

b0, b1 = fitSLR(x, y)

print("intercept:")
print(b0)
print("slope:")
print(b1)

x_test = 6

y_test = predict(6, b0, b1)

print("y_test:")
print(y_test)

结果