【监督学习】线性回归算法步骤及matlab实现
线性回归算法
- 线性回归算法
- 1.算法步骤
- 2.MATLAB 实现
线性回归算法
线性回归是一种统计方法，用于建模因变量（通常表示为 y y y）和一个或多个自变量（通常表示为 X 1 , X 2 , . . . , X n X_1,X_2,...,X_n X1,X2,...,Xn）之间的关系。它假设这些变量之间的关系是线性的，即可以通过一条直线（在一维情况下）或多维超平面（在多维情况下）来近似描述这种关系。线性回归的目标是找到最佳拟合直线或超平面，使得预测值与实际观测值之间的差异最小化。
1.算法步骤
-
数据准备
- 数据收集：获取包含自变量（特征）和因变量（目标）的数据集（如房价与面积、楼层等）；
- 数据清洗：处理缺失值、异常值（如删除或填充）；
- 特征标准化：对特征进行归一化（如Z-score标准化），避免量纲差异影响模型收敛。
-
模型假设
- 线性关系：因变量 y y y 与自变量 X X X 之间满足线性关系： y = β 0 + β 1 X 1 + ⋯ + β n X n + ϵ y=β_0+β_1X_1+⋯+β_nX_n+ϵ y=β0+β1X1+⋯+βnXn+ϵ
- 误差项：误差 ϵ ϵ ϵ 服从均值为 0、方差为常数的正态分布，且相互独立。
-
参数估计
- 目标：找到最优参数 β β β 使得预测值与真实值的误差平方和最小；
- 损失函数： J ( β ) = 1 2 m ∑ i = 1 m ( y i − y ^ i ) 2 J(β)=\frac{1}{2m}\sum_{i=1}^{m}(y_i-\hat{y}_i)^2 J(β)=2m1i=1∑m(yi−y^i)2
- 求解方法：
- 解析解（即直接求解，适用于小数据）： β = ( X T X ) − 1 X T y β=(\mathbf{X}^T\mathbf{X})^{−1}\mathbf{X}^Ty β=(XTX)−1XTy
- 梯度下降（迭代优化）：逐步调整参数，适用于大数据。
-
模型评估
- R²（决定系数）：衡量模型解释的方差比例，越接近 1 越好： R 2 = 1 − S S E S S T R^2=1−\frac{SSE}{SST} R2=1−SSTSSE
- MSE（均方误差）：预测值与真实值的平均平方误差： M S E = 1 m ∑ i = 1 m ( y i − y ^ i ) 2 MSE=\frac{1}{m}\sum_{i=1}^{m}(y_i-\hat{y}_i)^2 MSE=m1i=1∑m(yi−y^i)2
- 残差分析：检查残差是否随机分布（理想情况为无趋势、无异方差）。
-
预测应用
- 使用训练好的模型对新数据进行预测： y ^ = X n e w β \hat{y}=\mathbf{X}_{new}β y^=Xnewβ
2.MATLAB 实现
以房价预测为例，房价真实参数为：
p
r
i
c
e
=
1000
+
5
∗
a
r
e
a
+
20
∗
f
l
o
o
r
+
n
o
i
s
e
price = 1000 + 5*area + 20*floor + noise
price=1000+5∗area+20∗floor+noise
a
r
e
a
area
area 为面积，
f
l
o
o
r
floor
floor 为楼层，
n
o
i
s
e
noise
noise 为其他影响，
p
r
i
c
e
price
price 为最后每平方米的房价。
%% 线性回归案例：房价预测
% 功能: 训练线性回归模型预测房价
clc; clear; close all;
%% 1. 生成模拟数据
rng(0); % 固定随机种子
m = 100; % 样本数量
area = 50 + 150*rand(m,1); % 面积 (50~200平方米)
floor = randi([1,20], m,1); % 楼层 (1~20层)
noise = 50*randn(m,1); % 噪声
% 真实参数: price = 1000 + 5*area + 20*floor + noise
price = 1000 + 5*area + 20*floor + noise;
% 合并特征矩阵X，添加截距项1
X = [ones(m,1), area, floor];
%% 2. 数据标准化（可选，但推荐）
% 标准化特征（截距项不标准化）
X(:,2:end) = zscore(X(:,2:end));
%% 3. 划分训练集和测试集（70%训练，30%测试）
split = 0.7;
trainSize = round(split * m);
X_train = X(1:trainSize, :);
y_train = price(1:trainSize);
X_test = X(trainSize+1:end, :);
y_test = price(trainSize+1:end);
%% 4. 参数估计：解析解（最小二乘法）
beta = (X_train' * X_train) \ (X_train' * y_train); % 直接求解
%% 5. 模型评估
% 预测训练集和测试集
y_train_pred = X_train * beta;
y_test_pred = X_test * beta;
% 计算R²和MSE
SSE_train = sum((y_train - y_train_pred).^2);
SST_train = sum((y_train - mean(y_train)).^2);
R2_train = 1 - SSE_train / SST_train;
MSE_train = mean((y_train - y_train_pred).^2);
SSE_test = sum((y_test - y_test_pred).^2);
SST_test = sum((y_test - mean(y_test)).^2);
R2_test = 1 - SSE_test / SST_test;
MSE_test = mean((y_test - y_test_pred).^2);
% 显示结果
fprintf('训练集: R²=%.3f, MSE=%.2f\n', R2_train, MSE_train);
fprintf('测试集: R²=%.3f, MSE=%.2f\n', R2_test, MSE_test);
%% 6. 可视化结果
figure;
% 残差图
subplot(1,2,1);
scatter(y_train_pred, y_train_pred - y_train, 'b');
hold on;
scatter(y_test_pred, y_test_pred - y_test, 'r');
xlabel('预测值');
ylabel('残差');
title('残差图（蓝色：训练集，红色：测试集）');
grid on;
% 预测值与真实值对比
subplot(1,2,2);
plot(y_test, y_test_pred, 'ro');
hold on;
plot([min(y_test), max(y_test)], [min(y_test), max(y_test)], 'k--');
xlabel('真实价格');
ylabel('预测价格');
title('测试集预测效果');
grid on;
%% 7. 输出参数
disp('模型参数:');
disp(['截距项: ', num2str(beta(1))]);
disp(['面积系数: ', num2str(beta(2))]);
disp(['楼层系数: ', num2str(beta(3))]);