在数据分析和机器学习中,鲁棒性拟合是一种重要的技术,它可以帮助处理数据中的异常值,提高模型的准确性和稳定性。本文将介绍几种常用的鲁棒性拟合方法,并在不同情况下进行比较。
在这种情况下,尝试使用多项式来拟合正弦函数。由于没有测量误差,期望模型能够很好地捕捉数据的真实趋势。
当X方向存在测量误差时,模型需要能够抵抗这些误差的影响。可以通过引入一些随机噪声来模拟这种情况,并观察不同拟合方法的表现。
与X方向的测量误差类似,Y方向的测量误差也会对模型的拟合效果产生影响。在这种情况下,需要评估模型对于Y方向异常值的鲁棒性。
为了评估不同拟合方法的预测质量,使用中位数绝对偏差(MAD)作为衡量标准。MAD能够较好地反映模型对于非污染数据的预测准确性。
通过比较RANSAC、Theil-Sen估计器和Huber回归等方法,发现:
以下是使用Python和scikit-learn库实现上述鲁棒性拟合方法的示例代码。
import numpy as np
from matplotlib import pyplot as plt
from sklearn.linear_model import HuberRegressor, LinearRegression, RANSACRegressor, TheilSenRegressor
from sklearn.metrics import mean_squared_error
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import PolynomialFeatures
np.random.seed(42)
X = np.random.normal(size=400)
y = np.sin(X)
X = X[:, np.newaxis]
X_test = np.random.normal(size=200)
y_test = np.sin(X_test)
X_test = X_test[:, np.newaxis]
# 引入测量误差
y_errors = y.copy()
y_errors[::3] = 3
X_errors = X.copy()
X_errors[::3] = 3
y_errors_large = y.copy()
y_errors_large[::3] = 10
X_errors_large = X.copy()
X_errors_large[::3] = 10
estimators = [
("OLS", LinearRegression()),
("Theil-Sen", TheilSenRegressor(random_state=42)),
("RANSAC", RANSACRegressor(random_state=42)),
("HuberRegressor", HuberRegressor()),
]
colors = {
"OLS": "turquoise",
"Theil-Sen": "gold",
"RANSAC": "lightgreen",
"HuberRegressor": "black",
}
linestyle = {
"OLS": "-",
"Theil-Sen": "-.",
"RANSAC": "--",
"HuberRegressor": "--"
}
lw = 3
x_plot = np.linspace(X.min(), X.max())
for title, this_X, this_y in [
("Modeling Errors Only", X, y),
("Corrupt X, Small Deviants", X_errors, y),
("Corrupt y, Small Deviants", X, y_errors),
("Corrupt X, Large Deviants", X_errors_large, y),
("Corrupt y, Large Deviants", X, y_errors_large),
]:
plt.figure(figsize=(5, 4))
plt.plot(this_X[:, 0], this_y, "b+")
for name, estimator in estimators:
model = make_pipeline(PolynomialFeatures(3), estimator)
model.fit(this_X, this_y)
mse = mean_squared_error(model.predict(X_test), y_test)
y_plot = model.predict(x_plot[:, np.newaxis])
plt.plot(x_plot, y_plot, color=colors[name], linestyle=linestyle[name], linewidth=lw, label="%s: error = %.3f" % (name, mse))
legend_title = "Error of Mean\nAbsolute Deviation\nto Non-corrupt Data"
plt.legend(loc="upper right", frameon=False, title=legend_title, prop=dict(size="x-small"))
plt.xlim(-4, 10.2)
plt.ylim(-2, 10.2)
plt.title(title)
plt.show()