实战说明

本次实战为，使用一些常用的回归模型对数据集做出预测，绘制预测结果是否符合要求。

本次实战的回归模型有：

• Linear Regression（线性回归）
• Decision Tree Regressor（决策树回归）
• SVM Regressor（支持向量机回归）
• K Neighbors Regressor（K近邻回归）
• Random Forest Regressor（随机森林回归）
• Adaboost Regressor（Adaboost 回归）
• Gradient Boosting Random Forest Regressor（梯度增强随机森林回归）
• bagging Regressor（bagging 回归）
• ExtraTree Regressor（ExtraTree 回归）

共9种回归模型

 

数据集

使用自制的动态血糖监测数据作为数据集，数据维度为(4793,2)。

数据格式为：动态血糖值，检测时间点（时间戳）

---

目录

开始

载入相关库

数据预处理

使用一元线性回归检验数据集

多元模型定义

开始预测

Linear Regression（线性回归）

Decision Tree Regressor（决策树回归）

SVM Regressor（支持向量机回归）

K Neighbors Regressor（K近邻回归）

Random Forest Regressor（随机森林回归）

Adaboost Regressor（Adaboost 回归）

Gradient Boosting Random Forest Regressor（梯度增强随机森林回归）

Bagging Regressor（Bagging 回归）

ExtraTree Regressor（ExtraTree 回归）

结论

数据集和代码

---

 

开始

载入相关库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
# 正常显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']
# 正常显示符号
from matplotlib import rcParams
rcParams['axes.unicode_minus']=False

from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import PolynomialFeatures

载入模型库

#Linear Regression
from sklearn import linear_model
model_LinearRegression = linear_model.LinearRegression()
#Decision Tree Regressor
from sklearn import tree
model_DecisionTreeRegressor = tree.DecisionTreeRegressor()
#SVM Regressor
from sklearn import svm
model_SVR = svm.SVR()
#K Neighbors Regressor
from sklearn import neighbors
model_KNeighborsRegressor = neighbors.KNeighborsRegressor()
#Random Forest Regressor
from sklearn import ensemble
model_RandomForestRegressor = ensemble.RandomForestRegressor(n_estimators=20)
#Adaboost Regressor
from sklearn import ensemble
model_AdaBoostRegressor = ensemble.AdaBoostRegressor(n_estimators=50)
#Gradient Boosting Random Forest Regressor
from sklearn import ensemble
model_GradientBoostingRegressor = ensemble.GradientBoostingRegressor(n_estimators=100)
#bagging Regressor
from sklearn.ensemble import BaggingRegressor
model_BaggingRegressor = BaggingRegressor()
#ExtraTree Regressor
from sklearn.tree import ExtraTreeRegressor
model_ExtraTreeRegressor = ExtraTreeRegressor()

 

数据预处理

载入数据集

data = pd.read_csv('DynamicBloodGlucoseData.csv',index_col=0)
data.head()

 

划分数据集，分为特征（X_train）和标签(y_train)。

X_train = data['dateline'].values.reshape(-1, 1)
y_train = data['blood_sugar'].values

由于时间戳的点过多，且时间戳对于血糖预测没有帮助，将时间戳转化为指定时间格式（小时分钟），因为血糖值和每天的时间点有关系。

import time

# 时间戳转字符串时间
def  stamp2str(stamp,strTimeFormat="%Y-%m-%d %H:%M:%S"):
    """
    常用的时间格式："%Y-%m-%d %H:%M:%S"
    参数：
    stamp：int 时间戳
    return：时间字符串
    """
    return time.strftime(strTimeFormat,time.localtime(stamp))

for i in range(len(X_train)):
    X_train[i] = int(stamp2str(X_train[i],strTimeFormat="%H%M"))

数据预处理完毕。

 

使用一元线性回归检验数据集

model_LinearRegression.fit(X_train,y_train)
y_pred = model_LinearRegression.predict(X_train)
plt.figure(figsize=(14,4))
plt.scatter(X_train, y_train, color='g')
plt.plot(X_train, y_pred, color='r')
plt.xlabel('time（0000-2400）')
plt.ylabel('blood glucose value')

数据集基本没问题，就是一元线性回归不能成功拟合数据集的数据特征，需要使用多元化。

 

多元模型定义

使用PolynomialFeatures方法对特征数据进行多元化，然后使用np.linspace方法生成测试使用的线性空间进行制做回归图像。

def model_function(regr):
    pf = PolynomialFeatures(degree=7)
    regr.fit(pf.fit_transform(X_train),y_train)
    X_predict = np.linspace(0, 2400, 1440)
    X_predict_result = regr.predict(pf.transform(X_predict.reshape(X_predict.shape[0], 1)))
    plt.figure(figsize=(14,4))
    plt.scatter(X_train, y_train, color='g')
    plt.plot(X_predict, X_predict_result, 'r-')
    plt.xlabel('time（0-24）')
    plt.ylabel('blood glucose value')

这里先使用7元的，这个可以调整，调整到最适合的回归曲线。degree过高容易过拟合，合适即可。

 

开始预测

Linear Regression（线性回归）

model_function(model_LinearRegression)

 

Decision Tree Regressor（决策树回归）

model_function(model_DecisionTreeRegressor)

 

SVM Regressor（支持向量机回归）

model_function(model_SVR)

 

K Neighbors Regressor（K近邻回归）

model_function(model_KNeighborsRegressor)

 

Random Forest Regressor（随机森林回归）

model_function(model_RandomForestRegressor)

 

Adaboost Regressor（Adaboost 回归）

model_function(model_AdaBoostRegressor)

 

Gradient Boosting Random Forest Regressor（梯度增强随机森林回归）

model_function(model_GradientBoostingRegressor)

 

Bagging Regressor（Bagging 回归）

model_function(model_BaggingRegressor)

 

ExtraTree Regressor（ExtraTree 回归）

model_function(model_ExtraTreeRegressor)

 

结论

从以上的模型拟合程度直观分析得出以下结果：

• 欠拟合：Linear Regression、SVM Regressor、Adaboost Regressor
• 过拟合：K Neighbors Regressor、Random Forest Regressor、Bagging Regressor
• 拟合程度最好的模型：Decision Tree Regressor、Gradient Boosting Random Forest Regressor、ExtraTree Regressor

其中Gradient Boosting Random Forest Regressor拟合程度最为优秀

此次实战测试只使用了degree=7，如有兴趣可以尝试其他值，直到大多数模型拟合度较高时degree为最优值。

 

数据集和代码

代码和数据集都存在在我的github中

本次实战的github项目地址：https://github.com/935048000/bloodGlucosePredict

有错误欢迎大家指出，Thank you ！