stanford机器学习实验1

决定系统学习下机器学习了，以stanford课件为主线。

notes1是关于回归的部分http://www.stanford.edu/class/cs229/notes/cs229-notes1.pdf 

1.线性回归

举例是对于房子价格的预测,它这个数据很遗憾网上找不到，那么就暂时用5个数据点做下实验吧。

准备house.txt,5个数据记录大小，卧室数目，价格。

area    bedrooms    price
2104    3    400
1600    3    330
2400    3    369
1416    2    232
3000    4    540

 

用R展示下数据

> house = read.table('house.txt', header=T)
> house
  area bedrooms price
1 2104        3   400
2 1600        3   330
3 2400        3   369
4 1416        2   232
5 3000        4   540
> house$area
[1] 2104 1600 2400 1416 3000
> plot(house$area, house$price)
>

 

> fit = lm(house$price~house$area)  //尝试线性回归 price = w*area + b
> abline(fit)

> summary(fit)

Call:
lm(formula = house$price ~ house$area)

Residuals:
     1      2      3      4      5
25.80  39.02 -54.08 -28.60  17.85

Coefficients:
            Estimate Std. Error t value Pr(>|t|) 
(Intercept) 26.78988   78.20681   0.343   0.7545 
house$area   0.16512    0.03588   4.602   0.0193 *
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 45.64 on 3 degrees of freedom
Multiple R-squared: 0.8759,     Adjusted R-squared: 0.8345
F-statistic: 21.18 on 1 and 3 DF,  p-value: 0.01929

 

因此R解出来的拟合公式是

price = 26.78988 + 0.16512 * area

 

如果我们同时考虑area, bedrooms两个因素对房价造成的影响

利用R的多元回归

> fit = lm(house$price~house$area + house$bedrooms)
> summary(fit)

Call:
lm(formula = house$price ~ house$area + house$bedrooms)

Residuals:
     1      2      3      4      5
25.80 -12.02 -24.10   5.16   5.16

Coefficients:
                Estimate Std. Error t value Pr(>|t|)
(Intercept)    -70.43460   59.50462  -1.184    0.358
house$area       0.06384    0.04458   1.432    0.288
house$bedrooms 103.43605   40.09826   2.580    0.123

Residual standard error: 26.87 on 2 degrees of freedom
Multiple R-squared: 0.9713,     Adjusted R-squared: 0.9426
F-statistic: 33.87 on 2 and 2 DF,  p-value: 0.02868

price = –70.43 + 0.06384 * area + 103.43605 * bedrooms

这个和课件上出入都很大，主要还是这边数据集合太小了，只有5个数据点。

 

C++实验

考虑到上面的回归其实本质上都是最小二乘问题。如果从线性代数角度求解最小二乘AX=b,这里用eigen做下实验,分别对应上面的1元和多元线性回归两个例子。

始终是1， 对应试area, 如果是二元回归 对应 price

/** 
 *  ==============================================================================
 * 
 *          \file   stanford1.cc
 *
 *        \author   chenghuige   
 *
 *          \date   2011-02-27 15:27:07.614842
 *  
 *  \Description:  stanford 机器学习实验
 * 
area    bedrooms    price
2104    3    400
1600    3    330
2400    3    369
1416    2    232
3000    4    540

 *  ==============================================================================
 */

#define private public
#define protected public
#include 
#include <string>
#include 
#include 
#include 
#include 
#include 
#include 
#include "debug_help.h"
#include "utils/matrix_help.h"
using namespace std;
DEFINE_string(type, "simple", "");

vec linear_regression(const mat& A, const vec& b)
{ //Ax=b least squar sort or other method return x
    return A.jacobiSvd(ComputeThinU | ComputeThinV).solve(b);
}

void run()
{
    mat data(5, 4); //5data points, each with 3 attrib with a const attrib
    data <<1, 2104, 3, 400,
            1, 1600, 3, 330,
            1, 2400, 3, 369,
            1, 1416, 2, 232,
            1, 3000, 4, 540;
    cout <<"实验数据如下: \n" <"一元线性回归结果如下，对应常系数和area系数: " <//一元线性回归
    cout <<"二元线性回归结果如下，对应常系数和area系数和bedrooms系数: " <//二元线性回归
}

int main(int argc, char *argv[])
{
    FLAGS_logtostderr = true;
    google::InitGoogleLogging(argv[0]);
    google::InstallFailureSignalHandler();
    int s = google::ParseCommandLineFlags(&argc, &argv, false);
    boost::progress_timer timer;

    run();

    return 0;
}

[chg@localhost bin]$ ./stanford1
实验数据如下:
   1 2104    3  400
   1 1600    3  330
   1 2400    3  369
   1 1416    2  232
   1 3000    4  540
一元线性回归结果如下，对应常系数和area系数:
26.7899
0.165119
二元线性回归结果如下，对应常系数和area系数和bedrooms系数:
-70.4346
0.0638434
103.436
0.00 s

 

 

可以看到和R的结果是一致的。