Scikit-learnのRidgeクラスによるリッジ回帰

※記事内に商品プロモーションを含むことがあります。

はじめに

リッジ回帰 (ridge regression) は回帰手法の1つで、$L_2$ノルムを用いて回帰係数の重みに制限を加えることで、予測性能を向上させることを目的としています。単純な線形回帰モデルは過学習しやすい傾向があります。そのため、対象とする問題によっては、リッジ回帰などによってモデルに制限を加えることで、予測性能を向上できます。

この記事ではPythonとScikit-learnによるサンプルコードも示します。実行環境は以下の通りです。

Python: 3.9.7
NumPy: 1.20.3
sklearn: 0.24.2

重回帰モデル

説明変数の数を$N$として、説明変数を$x_1, x_2, …, x_N$, 目的変数を$y$と置くと、重回帰モデルは次式で表されます。

$$ y = w_1 x_1 + w_2 x_2 + … + w_N x_N + w_0 $$

ここで、$w_1, w_2, …, w_N$は重み、$w_0$は切片です。簡単のため、重みと係数をまとめて

$\boldsymbol{w}=[w_0, w_1, w_2, …, w_N]^{\top}$

とベクトル化します。

単純な線形回帰では、学習データに対する予測値の平均二乗誤差 (mean square error, MSE) を最小化するように$\boldsymbol{w}$を決定していました。平均二乗誤差は$\boldsymbol{w}$によって決定されるため、$\boldsymbol{w}$の関数であるとみなすことができます。よって、平均二乗誤差を$\mathrm{MSE}(\boldsymbol{w})$とおくと、次式で定義されます。

$$ \mathrm{MSE}(\boldsymbol{w}) = \sum_{i=1}^{M} (\boldsymbol{w}^{\top} \boldsymbol{x}^{(i)} + w_0 - y^{(i)})^2 $$

繰り返しになりますが、単純な線形回帰では$\mathrm{MSE}(\boldsymbol{w})$を最小化する$\boldsymbol{w}$を探索します。

リッジ回帰モデル

一方、リッジ回帰では、最小化する関数として次式の$J(\boldsymbol{w})$を考えます。

$$ J(\boldsymbol{w}) = \mathrm{MSE}(\boldsymbol{w}) + \alpha \sum_{i=1}^{M} \boldsymbol{w}_i^2 $$

$\alpha \sum_{i=1}^{M} \boldsymbol{w}_i^2$を正則化項 (regularization term) と呼びます。正則化 (regularization) とは、過学習を防ぐため、モデルに制約を追加することです。正則化項によって、重み係数はできるだけ小さな値をとるようになります。

$\alpha$は正則化の強さを表すパラメータで、0以上の値を取ります。$\alpha=0$のとき、単純な線形回帰と同じモデルになります。$\alpha$が大きくなるほど正則化が強くなり、非常に大きな値を取る場合、全ての重み係数が0に近づきます。

なお、ベクトル$\boldsymbol{w}$を用いると、正則化項は$\alpha (||\boldsymbol{w}||_2)^2$となります。$||\boldsymbol{w}||_2$は$L_2$ノルムです。

scikit-learnのリッジ回帰

Ridgeクラス

scikit-learnではsklearn.linear_model.Ridgeというクラスにリッジ回帰が実装されています。

1
2
3


sklearn.linear_model.Ridge(alpha=1.0, fit_intercept=True,
    normalize='deprecated', copy_X=True, max_iter=None,
    tol=0.001, solver='auto', positive=False, random_state=None)

主なパラメータの意味は以下の通りです。

alpha (float): 正則化のパラメータです。デフォルト値は1.0.
fit_intercept (bool): Trueの場合、切片を計算します。予測モデルが原点を通ることが想定される場合はFalseに設定します。
solver (str): 学習に使用するソルバ（計算アルゴリズム）です。svd（特異値分解）、cholesky（コレスキー分解）、sag (Stochastic Average Gradient) , saga（sagの改良手法）などから選択可能です。デフォルトはauto（データによって最適なソルバを自動で選択）。
random_state (int/None): solverがsagまたはsagaの場合、学習時の乱数シード。常に同じ結果を得たい場合は適当な整数を指定する。Noneの場合、結果は変わり得る（デフォルトはNone）。

また、主なメソッドは以下の通りです。

fit(X, y): 特徴量X, クラスyを教師データとして学習する。
predict(X): 特徴量Xに対する予測結果を返す。

使用例

Ridgeクラスの使用例を示します。X_trainは行がサンプル、列が特徴量の2次元配列です（PandasのDataFrameなどでも可）。y_trainは目的変数の1次元配列です。次に、Ridgeクラスのオブジェクトをregという名前で作成します（regはregressorから名付けています）。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


import numpy as np
from sklearn.linear_model import Ridge

# 学習データ
X_train = np.array([[0, 1],
                    [3, 2],
                    [5, -2]])
y_train = np.array([3, 10, 23])

reg = Ridge(alpha=1.5)

fitメソッドで学習し、predictメソッドで予測します。予測結果は1次元配列となります。

1
2
3
4
5
6
7
8


# 学習
reg.fit(X_train, y_train)

X_test = np.array([[2, 1],
                   [8, 2]])
# 予測
y_pred = reg.predict(X_test)
print(y_pred)

実行結果

1

[ 9.09456067 23.35230126]

係数を確認するにはreg.coef_, 切片を確認するにはreg.intercept_を表示します。

1
2
3


print(reg.coef_)

print(reg.intercept_)

実行結果

1
2
3


[ 2.65941423 -1.69874477]

5.474476987447701

参考

sklearn.linear_model.Ridge — scikit-learn documentation