शोर वाले डेटा पर regression
पिछले एक पाठ में आपने ऐसे डेटा पर रेखा fit की जो एक पूर्ण रेखा थी (y = 2x) और त्रुटि शून्य आई। यह बढ़िया लगा, पर एक तरह का झूठ था: असली डेटा कभी साफ़ रेखा नहीं होता। सेंसर काँपते हैं, लोग अनपेक्षित बर्ताव करते हैं, माप गोल होते हैं। regression का ईमानदार रूप है बिंदुओं के एक बादल से रेखा fit करना जो रुझान को बस मोटे तौर पर मानता है, और फिर बताना कि आप अब भी कितनी दूर हैं। यह पाठ उन त्रुटि संख्याओं को बिना घबराए पढ़ने के बारे में है।
असली जैसा डेटा बनाना
हम एक सच्चे रिश्ते y = 3x + 7 से शुरू करते हैं, और फिर gaussian noise जोड़ते हैं -> घंटी जैसे वक्र से लिए छोटे रैंडम हिलाव -> ताकि कोई बिंदु ठीक रेखा पर न बैठे:
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 featuresतय seed का मतलब है सबको वही शोर मिलता है, इसलिए नीचे की संख्याएँ दोहराई और जाँची जा सकती हैं। मॉडल कभी सच्चा slope 3 या intercept 7 नहीं देखता; उसका काम शोर वाले बिंदुओं से उन्हें वापस पाना है।
fit, predict, और ईमानदारी से मापें
हमेशा वाला रिवाज, पर हम अलग रखे test set पर ग्रेड करते हैं:
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)संख्याओं का मतलब
- वापस पाई रेखा।
model.coef_[0]3 के पास आता है औरmodel.intercept_7 के पास। मॉडल ने असली रुझान को शोर के नीचे से खोद निकाला, पर पूरी तरह नहीं: यह पास पहुँचता है, सटीक नहीं। - MAE अब शून्य नहीं है। यहाँ यह लगभग 1.8 है, यानी एक आम अनुमान
yकी इकाई में सच्चे मान से लगभग 1.8 चूकता है। यह बग नहीं है। 2.0 फैलाव वाला शोर अंदर होने पर कुछ त्रुटि अनिवार्य है -> धनात्मक MAE असली डेटा की ईमानदार क़ीमत है। पहले वाली पूर्ण रेखा से तुलना करें, जहाँ बनावट से ही MAE ~0 था। - R squared 1 से नीचे रहता है।
r2_scoreमापता है कि मॉडल बदलाव का कितना हिस्सा समझाता है: 1.0 पूर्ण है, 0 औसत का अंदाज़ा लगाने से बेहतर नहीं। यहाँ यह लगभग 0.95 है -> ऊँचा, क्योंकि एक मज़बूत linear संकेत है, पर सख़्ती से 1.0 से नीचे, क्योंकि शोर को कभी समझाकर हटाया नहीं जा सकता। असली डेटा पर ठीक 1.0 का R squared ख़तरे की घंटी है, आमतौर पर इसका संकेत कि आपने ग़लती से training डेटा पर टेस्ट किया। - Residuals बताते हैं कि चूक ठीक है या नहीं। एक residual किसी एक बिंदु के लिए
actual - predictedहै। उनका औसत 0 के पास होना चाहिए: इसका मतलब है मॉडल व्यवस्थित ढंग से ज़्यादा या कम नहीं मार रहा, बस रेखा के ऊपर-नीचे वैसे बिखर रहा है जैसे सममित शोर को बिखरना चाहिए। 0 से दूर का residual औसत एक पक्षपाती मॉडल का मतलब होता।
इसलिए यहाँ देने वाली चीज़ ईमानदार संख्याओं का एक समूह है, कोई जादुई शून्य नहीं। रेखा fit करने और वापस पाया slope, MAE, R squared, और residual औसत print करने के लिए Run दबाएँ।
y = 3x + 7 और gaussian noise से शोर वाला डेटा बनाएँ (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))। train_test_split(X, y, test_size=0.2, random_state=0) से बाँटें, model के रूप में एक LinearRegression fit करें, test set पर predict करें, फिर mae (mean absolute error), r2 (r2_score), और resid_mean (y_test - preds का औसत) को float के रूप में रखें।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।