【模型】一篇入门之-ridge岭回归模型

岭回归(Ridge Regression)也是一种线性模型，它与线性回归、Lasso回归很像，只是在损失函数上加入了二范正则项，来惩罚过大的系数，并且它可以通过岭迹图来分析变量的有效性。下面我们来讲讲岭回归模型，包括模型的原理、损失函数、求解公式、代码实现、以及如何通过岭迹图来确定alpha和判断变量的有效性。

一、岭回归模型

1.1. 岭回归模型

岭回归模型和线性回归模型一样，它的模型表达式为：

也就是：                         

但是呢，岭回归模型的损失函数在MSE的基础上，加入了二范正则项，如下：

其中，：样本个数             

 ：系数个数       

 ：y的预测值      

 ：y的真实值      

                   ：惩罚系数，用于调节系数W的惩罚力度

当  越大时，惩罚力度越大， 岭回归求出的各个系数的绝对值就会越小。

岭回归与线性回归、Lasso回归是类似的，只是线性回归的损失函数没有正则项，而Lasso回归加入了一范正则项，岭回归则是加入二范正则项。

1.2. 岭回归的求解公式

 岭回归的模型求解公式如下：

它与线性回归的求解公式相似，只是部分需要在对角元素上加上。

1.3. 岭回归的阈值

可以注意到，岭回归模型本身是不带阈值的，其实很容易理解，因为岭回归要对各个w进行惩罚，而阈值b是不需要惩罚的，所以也就没有阈值。

但现实中，我们和的关系往往是需要阈值的，那怎么办呢，一般会先对数据中心化，这样数据就不需要阈值了，再用岭回归模型来建模。不过如果使用软件来构建岭回归，一般不用管这个，因为它会帮我们做这样的处理，并把中心化所做的仿射合并到岭回归模型中，最后也就得到了有阈值的线性模型。

二、岭迹图

我们知道，岭回归中  越大时，惩罚力度越大， 岭回归求出的各个系数的绝对值就会越小。那么，取什么值最好呢？一般通过岭迹图来确定。

2.1. 什么是岭迹图

岭迹图是指，以作为轴，各个作为轴，所画出来的图，如下：

如图所示，就可以看到，和随着的增大，而逐步减小，这就是岭迹图了

2.2. 如何用岭迹图确定alpha

根据岭迹图确定alpha，一般紧扣如下两点思想：

1. 不要过大：过大往往不合理，所以所取的要令整体w都不要偏大。

2. 尽量小：在保障w不太大的前提下，尽量取更小的，因为过大会使损失函数过于倾向正则项，忽视误差项。

岭迹图往往是如下图所示，然后在喇叭口前取alpha的值：

如图所示，在喇叭口前，系数会随着alpha而迅速减小，而在喇叭口之后，系数对alpha并不敏感，所以在喇叭口前取alpha值，比较划算，也就是"保障w不要太大的同时，alpha尽量的小"。

2.2. 用岭迹图来分析变量

岭迹图除了用来确定，还可以用来分析变量，不过这是一个比较灵活的事情，并没有统一的方法，所以我们就随便举两个例子，大家借鉴着来理解就好了。

案例一：alpha为0时很w大，在alpha稍微变大时，w迅速趋0

图中的这种情况，一般可以认为这个变量没有什么用，先看alpha为0时，w很大，我们自然不想要过大的w，所以这个变量也就没什么用。再看alpha不为0时，w已经趋0，所以变量也没有贡献，那总的来说，这个变量不管什么情况下都没什么用。

案例二：w随着alpha的增大，在正负之间反复跳动

如图所示，w在正负之间反复跳动，说明变量对y一会是正贡献，一会是负贡献，非常不稳定，只要alpha稍微变动一下，正负贡献就相反了，而一个好的、稳定的变量，它对y的贡献应该也是稳定的，所以这种变量我们也不想要。

三、岭回归-代码例子

好了，说了这么多岭回归，是时候拎点数据出来玩一玩了。

3.1. 岭回归-数据

例如，我们的数据如下：

事实上，上面的数据是我用 生成的，接下来构建一个岭回归模型，顺便看看它的岭迹图。

3.2. 岭回归-代码

在python的sklearn中，只需要调用linear_model.Ridge()函数就可以构建岭回归模型了，具体代码如下：

"""
本代码展示如何用sklearn实现岭回归
本代码来自《老饼讲解-机器学习》 www.bbblearn.com
"""
from sklearn import linear_model
import numpy as np
x = np.array([[0, 2], [1, 1], [2,3],[3,2],[4,5],[5,2]])  # 输入x
y = np.array([8,7,15,14,25,18])                          # 输出y
ridge = linear_model.Ridge(alpha=1,fit_intercept=True)   # 初始化岭回归模型
ridge.fit(x,y)                                           # 模型训练
print("当前alpha:"+str(ridge.alpha))                     # 模型系数和阈值
print("模型参数："+str(ridge.coef_))                     # 模型的系数
print("模型阈值："+str(ridge.intercept_))                # 模型的阈值

代码运行结果如下：

这样我们就得到了我们的模型：

可以看到，它与真实关系   是有所偏差的，这是我们对权重进行了惩罚。

3.3. 岭迹图-代码

好了，下面我们来说一下岭迹图怎么画，因为alpha的设定需要参考岭迹图，而且借助岭迹图，还可以对变量作一些简单的分析。岭迹图的具体实现代码如下：

"""
本代码展示如何画岭迹图
本代码来自《老饼讲解-机器学习》 www.bbblearn.com
"""
from sklearn import linear_model
import matplotlib.pyplot as plt
import numpy as np                                                      
x = np.array([[0, 2], [1, 1], [2,3],[3,2],[4,5],[5,2]])                 # 输入x
y = np.array([8,7,15,14,25,18])                                         # 输出y

# 画出岭迹图
alpha_list = np.linspace(0,5,20)                                        # 设置要尝试的alpha
w_arr      = np.empty((len(alpha_list),x.shape[1]))                     # 不同alpha下的权重参数
for i in range(len(alpha_list)):                                        # 逐个alpha训练模型
    ridge = linear_model.Ridge(alpha=alpha_list[i],fit_intercept=True)  # 初始化模型
    ridge.fit(x,y)                                                      # 训练模型
    w_arr[i] = ridge.coef_                                              # 记录当前的权重参数

for i in range(w_arr.shape[1]):                                         # 逐个参数画图
    plt.scatter(alpha_list, w_arr[:,i], facecolors='none'               # 画出当前参数的变化
     ,edgecolors= np.random.rand(1,1,3),marker='o',label='w'+str(i+1))  
plt.legend()                                                            # 显示图例 
plt.show()                                                              # 显示画布

运行结果如下：

从图中可以看到，变量1与变量2的权重参数w1与w2随着alpha增大而减小，如果单从本案例的岭迹图来看，alpha设为0就可以了，因为系数在alpha=0时本身就不太大，同时也可以看到两个变量都不会因为alpha的改变而大幅度变动，说明两个变量都比较稳定。

总结

总的来说，岭回归模型，就是加入了二范正则项的线性回归，它可以通过设置alpha惩罚系数来预防系数过大。另外，需要了解岭迹图怎么看，一方面是用它来确定alpha，另一方面可以用它来简单分析一下变量。岭回归差不多就是这么多内容了。