稳健性回归（RANSAC）
作者：互联网
New Question：
如何在存在有损数据（异常值或错误）的情况下拟合回归模型？
Answer：
scikit-learn提供了3种稳健性回归估计方法：
1.随机抽样一致性算法（RANSAC）
2.泰森回归（Theil Sen）
3.Huber回归
RANSAC（Random Sample Consensus）算法：
步骤：
1）从原始数据中随机选择一些样本作为“内点”；
2）从1中选择的样本拟合模型；
3）利用模型计算其他样本的残差，若某个样本残差小于预先设置的阈值t。则将其加入内点，将内点中的样本量扩充；
4）用扩充后的内点拟合模型，计算均方误差；
5）重复1-4步，最终选取均方误差最小的模型。
下图给出了具体方法：
具体参数：
base_estimator：用于线性回归模型选择，默认None（LinearRegression（））
min_samples：从原始数据随机选择的最小样本数
residual_threshold：被归为内点数据的最大残差
max_trails：随机样本选择的最大迭代次数
stop_n_inliers：停止迭代的内点数目阈值
stop_score：停止迭代的得分阈值
loss：每个样本的损失计算方法，默认为“absolute_loss”（绝对损失），还可选择“squared_loss”（平方和损失）
属性：
estimator：返回base_estimator中的最佳拟合模型
inlier_mask：标记数据是否为内点
构建模拟数据集利用稳健性回归预测：
import numpy as np from sklearn import datasets #模拟数据集 n_samples = 2000 n_outliers = 200 #创建用于一元回归的数据 X,Y,coef = datasets.make_regression(n_samples = n_samples, n_features = 1, n_informative = 1, noise = 20, random_state = 1, coef = True) #添加噪音数据 X[:n_outliers] = 3+0.5 * np.random.normal(size = (n_outliers , 1)) Y[:n_outliers] = 3+np.random.normal(size=n_outliers) #应用线性回归和RANSAC做回归 from sklearn.linear_model import LinearRegression , RANSACRegressor lr = LinearRegression() lr.fit(X,Y) RAN = RANSACRegressor() RAN.fit(X,Y) inlier = RAN.inlier_mask_ outlier = np.logical_not(inlier) #回归结果 line_X = np.arange(X.min(),X.max())[:,np.newaxis] lr_y = lr.predict(line_X) RAN_Y = RAN.predict(line_X) #做出线性回归和RANSAC回归的图像 import matplotlib.pyplot as plt plt.scatter(X[inlier],Y[inlier],color = 'yellowgreen', marker = '.', label = 'Inliers') plt.scatter(X[outlier],Y[outlier],color = 'gold', marker = '.', label = 'Outliers') plt.plot(line_X,lr_y, color = 'navy', marker = '.', label = 'Linear regressor') plt.plot(line_X,RAN_Y,color = 'cornflowerblue', linewidth = 2, label = 'RANSACregressor')
得到结果：
深蓝色线代表构建的线性回归模型，浅蓝色线构建的是稳健性回归（RANdom SAmple Consensus）模型；
可以看见，稳健性回归不受黄色数据点（离群点）影响，而线性回归受离群点影响较大。
标签：RANSAC,RAN,回归,inlier,稳健性,内点,np,模型 来源： https://www.cnblogs.com/colaplus-v/p/14465031.html