2021-01-27 分类: 网站建设
评价一个算法的好坏,我认为关键是看能不能解决问题。如果算法能很好地解决实际的问题,那么我认为就是好算法。 比如预测的算法,关键是看预测的准确率,即预测值与实际值之间的接近程度,而不是看算法本身的评分高低。
在《 如何用人工智能预测双 11 的交易额 》这篇文章中,利用线性回归算法,我预测 2019 年双 11 交易额为 2471 亿元,而阿里官方公布的实际交易额是 2684 亿元,预测值比实际值少 7.9%,对这个结果,我觉得准确率不够高。反思预测的过程,我认为可以从以下几个方面来进行改进。
1. 样本
为了简化算法模型,我舍弃掉了前几年相对较小的数据,只保留了最近 5 年的数据。
在数据量本身就比较少的情况下,我仍然遵循简单原则,这无形中就加大了算法不稳定的风险,出现了欠拟合的问题。
尽管算法的评分很高,但是评分高并不代表算法就好。所以,样本的选择非常重要,不能单纯地追求算法的评分高,而忽略样本的质量。
2. 算法
如果保留所有样本,那么显然数据呈现的规律并不是线性的,用多项式回归算法应该是个更好的选择。
假如用三次多项式回归算法进行预测,那么算法代码如下:
- # 导入所需的库
- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
- from sklearn.linear_model import LinearRegression
- from sklearn.preprocessing import PolynomialFeatures
- from sklearn.pipeline import Pipeline
- from sklearn.preprocessing import StandardScaler
- # 内嵌画图
- %matplotlib inline
- # 设置正常显示中文标签
- plt.rcParams['font.sans-serif'] = ['SimHei']
- # 读取数据,在林骥的公众号后台回复「1111」
- df = pd.read_excel('./data/1111.xlsx')
- # x 年份
- x = np.array(df.iloc[:, 0]).reshape(-1, 1)
- # y 交易额
- y = np.array(df.iloc[:, 1])
- # z 预测的年份
- z = [[2019]]
- # 用管道的方式调用多项式回归算法
- poly_reg = Pipeline([
- ('ploy', PolynomialFeatures(degree=3)),
- ('std_scaler', StandardScaler()),
- ('lin_reg', LinearRegression())
- ])
- poly_reg.fit(x, y)
- # 用算法进行预测
- predict = poly_reg.predict(z)
- # 输出预测结果
- print('预测 2019 年双 11 的交易额是', str(round(predict[0],0)), '亿元。')
- print('线性回归算法的评分:', poly_reg.score(x, y))
预测 2019 年双 11 的交易额是 2689.0 亿元。
线性回归算法的评分:0.99939752363314
下面是用 matplotlib 画图的代码:
- # 将数据可视化,设置图像大小
- fig = plt.figure(figsize=(10, 8))
- ax = fig.add_subplot(111)
- # 绘制散点图
- ax.scatter(x, y, color='#0085c3', s=100)
- ax.scatter(z, predict, color='#dc5034', marker='*', s=260)
- # 设置标签等
- plt.xlabel('年份', fontsize=20)
- plt.ylabel('双 11 交易额', fontsize=20)
- plt.tick_params(labelsize=20)
- # 绘制预测的直线
- x2 = np.concatenate([x, z])
- y2 = poly_reg.predict(x2)
- plt.plot(x2, y2, '-', c='#7ab800')
- plt.title('用多项式回归预测双 11 的交易额', fontsize=26)
- plt.show()
这近乎好地拟合了 2009 年以来十一年的数据,因此不禁让人怀疑,阿里的数据是不是过于好?
3. 优化
按照一般的机器学习算法流程,应该把数据拆分为两部分,分别称为训练数据集和测试数据集。从 2009 年到 2018 年,双 11 的交易额总共才 10 个数据,我在预测的时候还舍弃了前 5 个数据,最后只剩下 5 个数据,我以为再拆分就没有必要了。 但机器学习算法的表现好坏,有一个关键因素,就是要有足够多的数据量。
另外,应该适当地使用网格搜索法,优化算法的参数,必要时还要与交叉验证法相结合,进行算法评估,从而提高算法的可信度和准确率。 除了算法的准确率,还可以使用其他的方法对模型进行评价,比如:召回率、F1 分数、ROC、AUC、MSE、RMSE、MAE 等等 。
现实世界是错综复杂的,很难用一个算法就解决问题,往往需要经过很多次的尝试,才可能找到基本符合的模型。需要注意的是,多项式回归的指数不宜过高,否则算法太复杂,很可能出现“过拟合”的现象,从而泛化能力比较差,也就是说,对于训练数据集能够很好地拟合,但是对于测试数据集的预测误差比较大。模型复杂度与预测误差的大致关系如下图所示:
小结
本文是我在用线性回归算法预测双 11 的交易额之后,做的一次复盘,总结了改进的思路,学习优化的方法。
学以致用,是我学习的基本原则。如果害怕出错,不去勇于实践,学习再多算法有什么用?这就如同我们不能指望不下水就学会游泳一样。
标题名称:如何评价算法的好坏?
网址分享:/news18/97618.html
成都网站建设公司_创新互联,为您提供移动网站建设、自适应网站、网站内链、网站制作、网站排名、云服务器
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联
猜你还喜欢下面的内容