Python sklearn RANSACRegressor用法及代碼示例

本文簡要介紹python語言中 sklearn.linear_model.RANSACRegressor 的用法。

用法:

class sklearn.linear_model.RANSACRegressor(base_estimator=None, *, min_samples=None, residual_threshold=None, is_data_valid=None, is_model_valid=None, max_trials=100, max_skips=inf, stop_n_inliers=inf, stop_score=inf, stop_probability=0.99, loss='absolute_error', random_state=None)

RANSAC(隨機抽樣共識)算法。

RANSAC 是一種迭代算法，用於對來自完整數據集的內點子集的參數進行穩健估計。

在用戶指南中閱讀更多信息。

參數：

base_estimator：對象，默認=無

實現以下方法的基本估計器對象：

• fit(X, y)：將模型擬合到給定的訓練數據和目標值。

• score(X, y) ：返回給定測試數據的平均準確度，用於 stop_score 定義的停止標準。此外，分數用於決定兩個同樣大的共識集中的哪一個被選為更好的共識集。

• predict(X) ：使用線性模型返回預測值，該模型用於使用損失函數計算殘差。

如果 base_estimator 為 None，則 LinearRegression 用於 dtype float 的目標值。

請注意，當前實現僅支持回歸估計器。

min_samples：int (>= 1) 或 float ([0, 1])，默認=無

從原始數據中隨機選擇的最小樣本數。對於 min_samples >= 1 被視為絕對樣本數，對於 min_samples < 1 被視為相對數 ceil(min_samples * X.shape[0])。這通常被選為估計給定 base_estimator 所需的最小樣本數。默認情況下，假設使用 sklearn.linear_model.LinearRegression() 估計器，並選擇 min_samples 作為 X.shape[1] + 1 。此參數高度依賴於模型，因此如果使用 linear_model.LinearRegression 以外的 base_estimator，則鼓勵用戶提供一個值。

residual_threshold：浮點數，默認=無

要分類為內點的數據樣本的最大殘差。默認情況下，閾值被選為目標值 y 的 MAD(中值絕對偏差)。殘差嚴格等於閾值的點被視為內點。

is_data_valid：可調用，默認=無

在模型擬合之前，使用隨機選擇的數據調用此函數：is_data_valid(X, y)。如果其返回值為 False，則跳過當前隨機選擇的子樣本。

is_model_valid：可調用，默認=無

使用估計模型和隨機選擇的數據調用此函數：is_model_valid(model, X, y)。如果其返回值為 False，則跳過當前隨機選擇的子樣本。使用此函數拒絕樣本的計算成本比使用 is_data_valid 更高。因此，僅當需要估計模型來做出拒絕決策時才應使用is_model_valid。

max_trials：整數，默認=100

隨機樣本選擇的最大迭代次數。

max_skips：整數，默認=np.inf

由於找到零內點或 is_data_valid 定義的無效數據或 is_model_valid 定義的無效模型而可以跳過的最大迭代次數。

stop_n_inliers：整數，默認=np.inf

如果至少找到此數量的內點，則停止迭代。

stop_score：浮點數，默認=np.inf

如果分數大於此閾值，則停止迭代。

stop_probability：在 [0, 1] 範圍內浮點數，默認 = 0.99

如果在 RANSAC 中采樣了至少一組 outlier-free 訓練數據集，則 RANSAC 迭代停止。這需要生成至少 N 個樣本(迭代)：

N >= log(1 - probability) / log(1 - e**m)

其中概率(置信度)通常設置為較高的值，例如 0.99(默認值)，e 是當前的 inliers w.r.t 分數。樣本總數。

loss：str，可調用，默認='absolute_error'

支持字符串輸入 ‘absolute_error’ 和 ‘squared_error’，它們分別找到每個樣本的絕對誤差和平方誤差。

如果loss 是可調用的，那麽它應該是一個函數，它接受兩個數組作為輸入，即真實值和預測值，並返回一個一維數組，其中數組的i-th 值對應於X[i] 上的損失.

如果樣本的損失大於 residual_threshold ，則該樣本被分類為異常值。

random_state：int，RandomState 實例，默認=無

用於初始化中心的生成器。傳遞 int 以在多個函數調用之間實現可重現的輸出。請參閱術語表。

屬性：

estimator_：對象

最佳擬合模型(base_estimator 對象的副本)。

n_trials_：int

直到滿足停止標準之一的隨機選擇試驗次數。它始終是 <= max_trials 。

inlier_mask_：bool 形狀數組 [n_samples]

分類為 True 的內點的布爾掩碼。

n_skips_no_inliers_：int

由於發現零內點而跳過的迭代次數。

n_skips_invalid_data_：int

由於 is_data_valid 定義的無效數據而跳過的迭代次數。

n_skips_invalid_model_：int

由於 is_model_valid 定義的模型無效而跳過的迭代次數。

n_features_in_：int

擬合期間看到的特征數。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 X 具有全為字符串的函數名稱時才定義。

參考：

1

https://en.wikipedia.org/wiki/RANSAC

2

https://www.sri.com/sites/default/files/publications/ransac-publication.pdf

3

http://www.bmva.org/bmvc/2009/Papers/Paper355/Paper355.pdf

例子：

>>> from sklearn.linear_model import RANSACRegressor
>>> from sklearn.datasets import make_regression
>>> X, y = make_regression(
...     n_samples=200, n_features=2, noise=4.0, random_state=0)
>>> reg = RANSACRegressor(random_state=0).fit(X, y)
>>> reg.score(X, y)
0.9885...
>>> reg.predict(X[:1,])
array([-31.9417...])