首页 > 其他分享 >R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证

R语言逻辑回归、GAM、LDA、KNN、PCA主成分分类分析预测房价及交叉验证

时间：2024-03-04 23:46:43浏览次数：20  
标签：KNN LDA 模型 准确率 GAM th accuracy

全文链接：https://tecdat.cn/?p=35263

原文出处：拓端数据部落公众号

本研究旨在帮助客户利用房价数据集进行数据分析，该数据集包含82个变量和2930个数据点。研究目标是通过分类算法将房价分为两个类别。在数据预处理阶段，排除了Order、PID和SalesPrice等变量，对数据进行整合和转换以适应非线性关系。随后运用逻辑回归、GAM、LDA和KNN等算法进行建模和评估。

此外，通过PCA分析和不同分类模型的建模及交叉验证，评估模型的性能并选择最佳模型进行进一步分析和预测。综合研究结果，逻辑回归和LDA模型表现较好，GAM模型在交叉验证中表现最佳，而KNN模型表现较差。研究结果为数据分析和模型选择提供了指导，有助于优化预测准确率和泛化能力。

本研究旨在使用Ames Housing数据进行数据分析，该数据集包含82个变量和2930个数据点。

image.png

分析目标：

运用分类算法将Sales分成2个class，一个class是大于USD 200，000， 另一类小于USD 20,000。

分析要求：

1.       在变量中，去除以下变量：Order, PID, 以及SalesPrice

2.       用以下代码来定义本次分析的训练数据，余下的数据做验证数据

3.       整合相关的变量，比如说把square feet加起来

4.       对数据进行变换（transformation），如果存在非线性关系

5.       进行least logistic regression(逻辑回归),  GAM, LDA, 和KNN

在变量中要去除Order, PID, 当然SalesPrice也要去掉。

    
AmesHousing=AmesHousing[,-c(1,2  )]

一个class是大于USD 200，000， 另一类小于USD 20,000

    
AmesHousing$SalePrice <-  ifelse(AmesHousing$SalePrice>200000,1,0)

检查线性关系，如果不理想，则考虑进行转换。

    
head(AmesHousing2)

 

合并关键词

一些变量可能需要整合，如包含关键词“Flr”、“Porch”、“Bath”、“Overall”、“Sold”、“SF”、“Year”、“AbvGr”、“Garage”和“Area”。

    

AmesHousing2$Flr=apply(AmesHousing2[,grep("Flr" ,colnames(AmesHousing2))],1,sum)
AmesHousing2=AmesHousing2[,-grep("Flr" ,colnames(AmesHousing2))[-length(grep("Flr" ,colnames(AmesHousing2)))]]

image.png

    
plot(AmesHousi2)

image.png

跑logistic regression, GAM, LDA, KNN这几个模型

在数据准备完成后，可以通过运行不同的模型来进行分析。以下是对logistic regression、GAM、LDA和KNN模型的准确率评估：

1. 逻辑回归（Logistic Regression）模型：

对数据进行逻辑回归建模，代码如下：

    
model.glm <- glm(as.factor(SalePrice) ~ ., data = AmesHousing, family = "binomial")

通过逻辑回归模型的训练和验证，得到的准确率为0.932166301969365，表明模型在对销售额进行分类预测时较为准确。

2. 广义加性模型（Generalized Additive Model，GAM）：

进行GAM建模，计算准确率如下：

    
misClasificError <- mean(fitted.results != Ames.test$SalePrice, na.rm = TRUE)  
print(paste('Accuracy', 1 - misClasificError))

GAM模型的准确率为0.911062906724512，显示其在销售额分类预测方面的表现。

3. K最近邻（K-Nearest Neighbors，KNN）模型：

引入kknn库进行KNN模型的建模和评估：

    
library(kknn)

print(paste('Accuracy', 1 - misClasificError))

KNN模型的准确率为0.585284280936455，相对较低，可能需要进一步调整模型参数或数据处理方式以提高准确性。

4. 线性判别分析（Linear Discriminant Analysis，LDA）模型：

对LDA模型的准确率进行评估：

    
misClasificError <- mean(fitted.results != Ames.test$SalePrice, na.rm = TRUE)  
print(paste('Accuracy', 1 - misClasificError))

LDA模型的准确率为0.923413566739606，显示其在销售额分类预测方面表现较好。

通过以上模型的评估结果，可以得知不同算法在对销售额进行分类预测时的表现。逻辑回归和LDA模型表现较为优异，而KNN模型的准确率相对较低，可能需要进一步优化。综合考虑不同模型的准确率结果，可以选择最适合数据集和分析目的的模型进行进一步研究和应用。

  • 逻辑回归模型的准确率为0.932166301969365。
  • 广义加性模型（GAM）的准确率为0.911062906724512。
  • K最近邻（KNN）模型的准确率为0.585284280936455。
  • 线性判别分析（LDA）模型的准确率为0.923413566739606。

通过以上分析，可以得出不同模型在预测销售额类别上的准确率，进一步了解销售额与其他变量之间的关系，为未来的预测和决策提供参考。

交叉验证 （标准看最小的test error 验证误差）

交叉验证是一种常用的机器学习方法，用于评估模型的性能并选择最佳的超参数。在本文中，我们将使用交叉验证来评估Logistic回归、LDA、KNN和GAM四种分类模型的性能。

logistic regression

首先，我们使用Logistic回归模型进行交叉验证。我们将数据集分成10个不同的子集，每次使用其中9个子集进行训练，然后在剩余的一个子集上进行测试。重复这个过程10次，计算每次测试的准确率，并将所有准确率的平均值作为最终的准确率。经过计算，Logistic回归模型的平均准确率为0.9410194。

  js 
 
precisek=0  
k=10  
for(kk in 1:k){  
....

  precisek=precisek+1-misClasificError  
}

 

  js 
 1  th accuracy of logistic regression is  0.9491525
 2  th accuracy of logistic regression is  0.9321267
 3  th accuracy of logistic regression is  0.9434783
 4  th accuracy of logistic regression is  0.9244444
 5  th accuracy of logistic regression is  0.9480519
 6  th accuracy of logistic regression is  0.9480519
 7  th accuracy of logistic regression is  0.9356223
 8  th accuracy of logistic regression is  0.9516129
 9  th accuracy of logistic regression is  0.940678
10  th accuracy of logistic regression is  0.9369748
    
precisek/kcaculate precision
    
 [1] 0.9410194

 

LDA

接下来，我们使用LDA模型进行交叉验证。同样地，我们将数据集分成10个子集，每次训练时使用9个子集，然后在剩余的一个子集上进行测试。重复这个过程10次，计算每次测试的准确率，并计算平均准确率。经过计算，LDA模型的平均准确率为0.937719。

    
precisek=0  
k=10  
for(kk in 1:k){  
  


...

  cat(kk," th accuracy of LDA is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}

 

    
 1  th accuracy of LDA is  0.9537815

 2  th accuracy of LDA is  0.9324324

 3  th accuracy of LDA is  0.9497908

 4  th accuracy of LDA is  0.9141631

 5  th accuracy of LDA is  0.9304348

 6  th accuracy of LDA is  0.9240506  
 7  th accuracy of LDA is  0.9396552

 8  th accuracy of LDA is  0.9471366

 9  th accuracy of LDA is  0.9672897

 10  th accuracy of LDA is  0.9184549

 

    

precisek/kcaculate precision

 [1] 0.937719

 

 

knn

 
然后，我们使用KNN模型进行交叉验证。同样地，我们将数据集分成10个子集，每次训练时使用9个子集，然后在剩余的一个子集上进行测试。重复这个过程10次，计算每次测试的准确率，并计算平均准确率。经过计算，KNN模型的平均准确率为0.5928328。

    
precisek=0  
k=10  
for(kk in 1:k){  
  


  cat(kk," th accuracy of KNN is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}

 
    
 1  th accuracy of KNN is  0.6382253

 2  th accuracy of KNN is  0.5870307

 3  th accuracy of KNN is  0.5631399

 4  th accuracy of KNN is  0.556314

 5  th accuracy of KNN is  0.6143345

 6  th accuracy of KNN is  0.6075085

 7  th accuracy of KNN is  0.5733788

 8  th accuracy of KNN is  0.556314

 9  th accuracy of KNN is  0.6143345

 10  th accuracy of KNN is  0.6177474
    
precisek/kcaculate precision

 [1] 0.5928328

 

GAM

最后，我们使用GAM模型进行交叉验证。同样地，我们将数据集分成10个子集，每次训练时使用9个子集，然后在剩余的一个子集上进行测试。重复这个过程10次，计算每次测试的准确率，并计算平均准确率。经过计算，GAM模型的平均准确率为0.9217754。

    
precisek=0  
k=10  
for(kk in 1:k){  
  index=sample(1:dim(AmesHousing2)[1],floor(dim(AmesHousing2)[1]*(1/k)),     
  cat(kk," th accuracy of GAM is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}
    
 1  th accuracy of GAM is  0.9429825  
 2  th accuracy of GAM is  0.8974359  
 3  th accuracy of GAM is  0.9116279  
 4  th accuracy of GAM is  0.9230769  
 5  th accuracy of GAM is  0.9173913  
 6  th accuracy of GAM is  0.8826087  
 7  th accuracy of GAM is  0.9531915  
 8  th accuracy of GAM is  0.9282511  
 9  th accuracy of GAM is  0.9469027  
 10  th accuracy of GAM is  0.9142857

 

    
precisek/kcaculate precision

 [1] 0.9217754

 综合来看，我们可以看到LDA和GAM模型在这个数据集上表现较好，而Logistic回归和KNN模型的表现相对较差。因此，在选择模型时，我们应该参考交叉验证的结果，选择表现最好的模型来进行进一步的分析和预测。

 

PCA

主成分分析（PCA）是一种常用的降维技术，可以帮助我们发现数据中的模式并减少特征的数量。在本文中，我们首先对PCA进行了分析，通过主成分的方差和累积方差来评估主成分的重要性。根据PCA的结果，我们可以看到前几个主成分的方差和累积方差，以及它们对数据的贡献程度。

    
summary(pr.out)
    
 Importance of components:  
                           PC1    PC2     PC3     PC4     PC5     PC6  
 Standard deviation     2.1963 1.3088 1.14690 1.01946 0.99468 0.98157  
 Proportion of Variance 0.3216 0.1142 0.08769 0.06929 0.06596 0.06423  
 Cumulative Proportion  0.3216 0.4358 0.52348 0.59277 0.65873 0.72296  
                            PC7     PC8    PC9    PC10   PC11    PC12  
 Standard deviation     0.88807 0.83298 0.7520 0.70579 0.6686 0.63593  
 Proportion of Variance 0.05258 0.04626 0.0377 0.03321 0.0298 0.02696  
 Cumulative Proportion  0.77554 0.82179 0.8595 0.89270 0.9225 0.94946  
                           PC13   PC14    PC15  
 Standard deviation     0.58684 0.5254 0.37095  
 Proportion of Variance 0.02296 0.0184 0.00917  
 Cumulative Proportion  0.97242 0.9908 1.00000

__results___22_0.png

image.png

    
pve=pr.var/sum(pr.var)

image.png

image.png

接下来，我们对PCA降维后的数据使用Logistic回归、LDA、KNN和GAM四种分类模型进行建模，并评估它们的准确率。

logistic regression

    
  
misClasificError <- mean(fitted.results != Ames.test$SalePrice,na.rm=T)  
print(paste('Accuracy',1-misClasificError))
    
 [1] "Accuracy 0.984210526315789"

gam建模

    
library("mgcv")  
  

model.gam=gam(

)  
  
  
print(paste('Accuracy',1-misClasificError))

 

    
 [1] "Accuracy 0.975438596491228"

 

knn

 

    

library(kknn)  
  
  
model.kknn <- train.kknn(

 

 

print(paste('Accuracy',1-misClasificError))
    
 [1] "Accuracy 0.554385964912281"

 

 

LDA

 

    
misClasificError <- mean(fitted.results != Ames.test$SalePrice,na.rm=T)  
print(paste('Accuracy',1-misClasificError))
    
 [1] "Accuracy 0.978947368421053"  

在Logistic回归模型中，我们计算了模型的准确率为0.984210526315789；在GAM模型中，准确率为0.975438596491228；在KNN模型中，准确率为0.554385964912281；在LDA模型中，准确率为0.978947368421053。通过比较这些准确率，我们可以看到Logistic回归和LDA模型表现较好，而KNN模型表现较差。  

 

交叉验证 （标准看最小的test error 验证误差）

接着，我们进行了交叉验证，通过计算十次验证的准确率并求平均值来评估模型的性能。

logistic regression

    
precisek=0  
k=10  
for(kk in 1:k){  
  


  cat(kk," th accuracy of logistic regression is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}
precisek/kcaculate precision
    
 [1] 0.9779736

 

 

LDA

    
precisek=0  
k=10  
for(kk in 1:k){  
  


  cat(kk," th accuracy of LDA is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}
    
precisek/kcaculate precision
    
 [1] 0.9792952

 

 

knn

    
precisek=0  
k=10  
for(kk in 1:k){  
  


   
  cat(kk," th accuracy of KNN is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}

 

    
precisek/kcaculate precision
    
 [1] 0.9656388

 

 

GAM

    
precisek=0  
k=10  
for(kk in 1:k){  
 


  cat(kk," th accuracy of GAM is ",1-misClasificError,"\n")  
  precisek=precisek+1-misClasificError  
}

 

    
precisek/kcaculate precision
    

 [1] 0.9814978

在Logistic回归模型中，十次验证的平均准确率为0.9779736；在LDA模型中，平均准确率为0.9792952；在KNN模型中，平均准确率为0.9656388；在GAM模型中，平均准确率为0.9814978。通过交叉验证的结果，我们可以看到GAM模型在这个数据集上表现最好，而KNN模型表现相对较差。

综上所述，通过PCA的分析和不同分类模型的建模及交叉验证，我们可以评估模型的性能并选择最佳的模型来进行进一步的分析和预测。在实际应用中，我们应该根据实际情况和需求选择合适的模型，并不断优化和调整模型以提高预测准确率和泛化能力。

1536x1536-hero-lessonsgrowth-v3.jpg

标签：KNN,LDA,模型,准确率,GAM,th,accuracy
From： https://www.cnblogs.com/tecdat/p/18053034

相关文章

  • games101_Homework3
    摘要：在Raster部分实现数值插值，然后实现四种不同的像素着色器作业描述：作业1：修改函数rasterize_triangle(constTriangle&t)inrasterizer.cpp:在此处实现与作业2类似的插值算法，实现法向量、颜色、纹理颜色的插值。在rasterize_triangle函数中重复上次的包围盒进行点采样，......
  • games101_Homework4
    摘要：实现四个点的贝塞尔曲线作业描述：•bezier：该函数实现绘制Bézier曲线的功能。它使用一个控制点序列和一个OpenCV：：Mat对象作为输入，没有返回值。它会使t在0到1的范围内进行迭代，并在每次迭代中使t增加一个微小值。对于每个需要计算的t，将调用另一个函数recursive......
  • Geo Game
    这篇题解不错讲一下为啥平方模\(2\)可以消掉由于奇数乘以奇数等于奇数，偶数乘以偶数等于偶数，所以平方项的奇偶性与单独一项的奇偶性是一样的我赛时的想法是先从\(n\)较小的考虑\(n=1\)，则为\((x_1-x_0)^2+(y_1-y_0)^2=x_{1}^2+x_{0}^2-2x_1x_0+y_{0}^2+y_{1}^2-2y_0y_1\)，由于只......
  • GAMES101 Rasterization 光栅化
    向量点乘的作用计算两个方法方向夹角计算两个方向是否接近关于两个方向的计算向量叉乘\[\vec{a}\times\vec{b}=\begin{pmatrix}y_az_b-y_bz_a\\z_ax_b-x_az_b\\x_ay_b-y_ax_b\end{pmatrix}\]\[\veca\times\vecb=A^*b=\begin{pmatrix}0&-z_a&y_a\\z_a&0&-x_a\\-y_a&x......
  • P10187 [USACO24FEB] Palindrome Game B 题解
    挑战题解区最短代码回文数？数学题！打表找规律吧……显然，\(1\sim9\)都是回文数，先手赢（就一位你还想咋地啊）。然后是\(10\)。样例告诉我们，这个不行。接着是\(11\sim19\)，发现随便减个\(1\sim9\)就可以变成\(10\)，而\(10\)是后手赢。赢得就是后手的后手，那就是先手，可以。......
  • .net 应用程序 生成Docker映像时 dotnet restore找不到自定义源的包的问题，ContainerBu
    一、问题：我们在.net应用中生成Docker映像时，会出现ContainerBuildAndLaunch任务意外失败的问题。 查看输出窗口发现，是执行dotnetrestore时，找不到包的问题，因为我的这些包是在自己的私有源上二、解决方案：在Dockerfile文件中，在执行dotnetrestore前一行添加nuget私有源就行......
  • R语言GAMLSS模型对艾滋病病例、降雪量数据拟合、预测、置信区间实例可视化|附代码数据
    全文链接：http://tecdat.cn/?p=31996原文出处：拓端数据部落公众号最近我们被客户要求撰写关于GAMLSS的研究报告，包括一些图形和统计输出。GAMLSS模型是一种半参数回归模型，参数性体现在需要对响应变量作参数化分布的假设，非参数性体现在模型中解释变量的函数可以涉及非参数平滑函数，......
  • <教程> 我的游戏专用头文件 —— game.h
    这是一篇自制头文件的教程目录一、自制头文件其实自制头文件就和打代码一样，写下你自己的函数或者引用另外的头文件当然，不要在头文件里写\(main\)函数！创建头文件很简单，使用*.h的文件名即可（如game.h）编写头文件一般要包括下面的代码#ifndefSDGS//判断是否#define......
  • R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
    原文链接：http://tecdat.cn/?p=20882 原文出处：拓端数据部落公众号 1导言这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此，我们首先需要看一下线性回归，看看为什么在某些情况下它可能不是最佳选择。 2回归模型假设我们有一些带有两个属性Y和X的数据。如果它......
  • 【机器学习算法】KNN鸢尾花种类预测案例和特征预处理。全md文档笔记（已分享，附代码）
    本系列文章md笔记（已分享）主要讨论机器学习算法相关知识。机器学习算法文章笔记以算法、案例为驱动的学习，伴随浅显易懂的数学知识，让大家掌握机器学习常见算法原理，应用Scikit-learn实现机器学习算法的应用，结合场景解决实际问题。包括K-近邻算法，线性回归，逻辑回归，决策树算法，集成学习，聚......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99