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 featuresA 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 emodel.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_scoremede 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 - predictedpara 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.
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.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.