Lehrplan Lektion 93 von 250 · Deine ersten Machine Learning Modelle
Deine ersten Machine Learning Modelle

Regression auf verrauschte Daten

In einer früheren Lektion hast du eine Linie an Daten angepasst, die eine perfekte Linie (y = 2x) waren und der Fehler ergab null. Das fühlte sich toll an, aber es war eine Art Lüge: echte Daten sind niemals eine saubere Linie. Sensoren zittern, Menschen verhalten sich unvorhersehbar, Messungen werden gerundet. Die ehrliche Version von Regression ist das Anpassen einer Linie durch eine cloud von Punkten, die nur grob einem Trend folgt, und dann das Berichten, wie weit du immer noch daneben liegst. In dieser Lektion geht es darum, diese Fehlerzahlen ohne Zögern zu lesen.

Realistische Daten erstellen

Wir starten von einer wahren Beziehung, y = 3x + 7, und fügen dann gaussian noise hinzu -> kleine zufällige Schwankungen aus einer Glockenkurve -> also sitzt kein Punkt exakt auf der Linie:

rng = np.random.RandomState(42)
x = np.linspace(0, 10, 200)
noise = rng.normal(0, 2.0, size=x.shape)   # mean 0, spread 2.0
y = 3 * x + 7 + noise
X = x.reshape(-1, 1)                        # sklearn wants 2-D features

Der feste Seed bedeutet, dass jeder das gleiche Rauschen zieht, also sind die Zahlen unten reproduzierbar und überprüfbar. Das Modell sieht niemals die wahre Steigung von 3 oder den Achsenabschnitt von 7; seine Aufgabe ist es, recover sie aus den verrauschten Punkten zu gewinnen.

Passend, vorhersagen und ehrlich messen

Dasselbe Ritual wie immer, aber wir bewerten auf einem zurückgehaltenen Testset:

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=0)
model = LinearRegression().fit(X_train, y_train)
preds = model.predict(X_test)
mae = mean_absolute_error(y_test, preds)
r2  = r2_score(y_test, preds)

Was die Zahlen bedeuten

  • Die wiederhergestellte Zeile. model.coef_[0] liegt nahe bei 3 und model.intercept_ nahe bei 7. Das Modell hat den echten Trend aus dem Rauschen herausgegraben, aber nicht perfekt: es landet nah dran, nicht exakt.
  • MAE ist nicht mehr null. Hier liegt es bei etwa 1.8, was bedeutet, dass eine typische Vorhersage den wahren Wert in y Einheiten um etwa 1.8 verfehlt. Das ist kein Bug. Mit eingebautem Rauschen einer Streuung von 2.0 ist ein gewisser Fehler unvermeidlich -> ein positiver MAE ist der ehrliche Preis für echte Daten. Vergleiche die perfekte Linie zuvor, wo MAE durch Konstruktion bei ~0 lag.
  • R squared sitzt unter 1. r2_score misst den Anteil der Variation, den das Modell erklärt: 1.0 ist perfekt, 0 ist nicht besser als das Raten des Mittelwerts. Hier liegt es bei etwa 0.95 -> hoch, weil es ein starkes lineares Signal gibt, aber streng unter 1.0, weil das Rauschen niemals weggeerklärt werden kann. Ein berichteter R squared von genau 1.0 auf echten Daten ist ein Warnsignal, meist ein Zeichen dafür, dass du versehentlich auf den Trainingsdaten getestet hast.
  • Residuen sagen dir, ob der Fehler fair ist. Ein Residuum ist actual - predicted für einen Punkt. Ihr mean sollte nahe bei 0 liegen: das bedeutet, dass das Modell nicht systematisch über oder unter dem Ziel landet, sondern nur über und unter der Linie streut, wie symmetrisches Rauschen sollte. Ein Residuenmittel weit weg von 0 würde ein verzerrtes Modell bedeuten.

Das Ergebnis hier ist also eine Menge ehrlicher Zahlen, keine magische Null. Drücke Run um die Linie anzupassen und die recovered slope, die MAE, das R squared und das residual mean zu drucken.

Du bist dran

Erstelle verrauschte Daten aus y = 3x + 7 plus Gaußschen Rauschen (rng = np.random.RandomState(42), x = np.linspace(0, 10, 200), noise = rng.normal(0, 2.0, size=x.shape), X = x.reshape(-1, 1)). Trenne mit train_test_split(X, y, test_size=0.2, random_state=0), passe eine LinearRegression als model an, prädiziere auf dem Testset, dann speichere mae (mean absolute error), r2 (r2_score) und resid_mean (the mean of y_test - preds) als floats.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.