Conteúdo do curso Lição 93 de 250 · Seus Primeiros Modelos de Machine Learning
Seus Primeiros Modelos de Machine Learning

Regressão em Dados Ruidosos

Em uma lição anterior, você ajustou uma linha a dados que eram uma linha perfeita (y = 2x) e o erro resultou em zero. Isso pareceu ótimo, mas foi uma espécie de mentira: dados reais nunca são uma linha limpa. Sensores oscilam, pessoas se comportam de forma imprevisível, medições arredondam. A versão honesta de regressão é ajustar uma linha através de uma cloud de pontos que apenas segue aproximadamente uma tendência, e então relatar o quanto você ainda está fora. Esta lição é sobre ler esses números de erro sem hesitar.

Criando dados realistas

Começamos a partir de uma relação verdadeira, y = 3x + 7, e então adicionamos gaussian noise -> pequenas oscilações aleatórias tiradas de uma curva de sino -> então nenhum ponto fica exatamente na linha:

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

A semente fixa significa que todos extraem o mesmo ruído, então os números abaixo são reproduzíveis e verificáveis. O modelo nunca vê a inclinação real de 3 ou intercepto de 7; o trabalho dele é recover eles a partir dos pontos ruidosos.

Ajuste, preveja e meça honestamente

Mesmo ritual de sempre, mas avaliamos em um conjunto de teste separado:

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)

O que os números significam

  • A linha recuperada. model.coef_[0] fica perto de 3 e model.intercept_ perto de 7. O modelo extraiu a tendência real debaixo do ruído, mas não perfeitamente: ele chega perto, não exato.
  • MAE não é mais zero. Aqui ele é aproximadamente 1.8, o que significa que uma previsão típica erra o valor real por cerca de 1.8 nas unidades de y. Isso não é um bug. Com ruído de dispersão 2.0 embutido, algum erro é inevitável -> um MAE positivo é o custo honesto de dados reais. Contraste com a linha perfeita anterior, onde o MAE era ~0 por construção.
  • R squared fica abaixo de 1. r2_score mede a fração da variação que o modelo explica: 1.0 é perfeito, 0 não é melhor que adivinhar a média. Aqui está em torno de 0.95 -> alto, porque há um sinal linear forte, mas estritamente abaixo de 1.0, porque o ruído nunca pode ser explicado. Um R squared relatado de exatamente 1.0 em dados reais é um sinal de alerta, geralmente um sinal de que você testou acidentalmente nos dados de treinamento.
  • Resíduos dizem se o erro é justo. Um resíduo é actual - predicted para um ponto. A mean deles deve ficar perto de 0: isso diz que o modelo não está sistematicamente errando para cima ou para baixo, apenas espalhando acima e abaixo da linha da forma que o ruído simétrico deve. Uma média de resíduos longe de 0 significaria um modelo enviesado.

Então o entregável aqui é um conjunto de números honestos, não um zero mágico. Aperte Run para ajustar a linha e imprimir o slope recuperado, o MAE, o R squared e a média residual.

Sua vez

Construa dados ruidosos a partir de y = 3x + 7 mais ruído gaussiano (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)). Divida com train_test_split(X, y, test_size=0.2, random_state=0), ajuste um LinearRegression como model, preveja no conjunto de teste, depois armazene mae (mean absolute error), r2 (r2_score), e resid_mean (the mean of y_test - preds) como floats.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.