import numpy as np # 数值计算库
import pandas as pd # 数据分析库
import os # 操作系统接口，用于跨平台路径
import matplotlib.pyplot as plt # 绑图库
# 设置中文字体，确保图表中文正常显示
plt.rcParams['font.sans-serif'] = ['Source Han Serif SC'] # 思源宋体
plt.rcParams['axes.unicode_minus'] = False # 负号正常显示
# 根据操作系统自动选择本地数据路径
LOCAL_DATA_DIR = 'C:/qiufei/data' if os.name == 'nt' else '/home/ubuntu/r2_data_mount/qiufei/data' # 跨平台路径
financial_data_path = os.path.join(LOCAL_DATA_DIR, 'stock/financial_statement.h5') # 拼接财务数据路径
financial_data = pd.read_hdf(financial_data_path) # 读取A股上市公司财务报表数据06 线性模型选择与正则化
可视化：最优子集选择结果
Code
fig, axes = plt.subplots(1, 2, figsize=(14, 5)) # 创建1行2列子图
# 左图：MSE随变量数量下降（模型越复杂，训练误差越低）
axes[0].plot(range(1, max_feature_count + 1), mse_list, marker='o', linewidth=2.5,
markersize=8, color='#E3120B') # 红色折线标记每个k下的最小MSE
axes[0].set_xlabel('预测变量数量', fontsize=13) # 横轴标签
axes[0].set_ylabel('MSE', fontsize=13) # 纵轴标签
axes[0].set_title('最优子集选择: MSE vs. 模型大小', fontsize=14) # 左图标题
axes[0].grid(True, alpha=0.3) # 添加网格线
# 右图：R²随变量数量上升（4个变量之后边际改善趋于平缓）
axes[1].plot(range(1, max_feature_count + 1), r2_list, marker='o', linewidth=2.5,
markersize=8, color='#008080') # 蓝绿色折线标记每个k下的最大R²
axes[1].set_xlabel('预测变量数量', fontsize=13) # 横轴标签
axes[1].set_ylabel('$R^2$', fontsize=13) # 纵轴标签
axes[1].set_title('最优子集选择: $R^2$ vs. 模型大小', fontsize=14) # 右图标题
axes[1].grid(True, alpha=0.3) # 添加网格线
plt.tight_layout() # 自动调整间距
plt.show() # 显示图形
可视化：岭回归系数路径
Code
fig, axes = plt.subplots(1, 2, figsize=(14, 5)) # 创建1行2列子图
# 随机选取10个特征高亮显示
highlighted_indices = np.random.RandomState(42).choice(range(high_dim_features.shape[1]), 10, replace=False) # 抽取10个特征索引
for i in range(high_dim_features.shape[1]): # 遍历所有特征
alpha_val = 1.0 if i in highlighted_indices else 0.1 # 高亮特征不透明
axes[0].plot(ridge_lambdas, ridge_coefficient_paths[:, i], alpha=alpha_val, linewidth=1.2) # 绘制系数路径
axes[0].set_xscale('log') # λ轴取对数
axes[0].set_xlabel('$\\lambda$（惩罚强度）', fontsize=13) # 横轴标签
axes[0].set_ylabel('标准化系数', fontsize=13) # 纵轴标签
axes[0].set_title('岭回归系数路径', fontsize=14) # 标题
axes[0].axhline(y=0, color='black', linestyle='-', linewidth=0.5) # 零线
axes[0].grid(True, alpha=0.3) # 网格
# 右图：以L₂范数比为横轴
axes[1].plot(coefficient_l2_norms, ridge_coefficient_paths[:, highlighted_indices], linewidth=1.5) # 绘制收缩路径
axes[1].set_xlabel('$||\\hat{\\beta}^R_\\lambda||_2 / ||\\hat{\\beta}||_2$', fontsize=13) # 横轴：相对L₂范数比
axes[1].set_ylabel('标准化系数', fontsize=13) # 纵轴标签
axes[1].set_title('岭回归系数收缩路径', fontsize=14) # 标题
axes[1].grid(True, alpha=0.3) # 网格
plt.tight_layout() # 调整间距
plt.show() # 显示
可视化：CV 误差与模型稀疏性
Code
fig, axes = plt.subplots(1, 2, figsize=(14, 5)) # 创建1行2列子图
# 左图：CV MSE比较
axes[0].plot(cv_lambda_range, ridge_cv_mse_scores, linewidth=2.5, label='岭回归 (Ridge)', color='#008080') # Ridge曲线
axes[0].plot(cv_lambda_range, lasso_cv_mse_scores, linewidth=2.5, label='套索 (Lasso)', color='#E3120B') # Lasso曲线
axes[0].axvline(optimal_ridge_lambda, color='#008080', linestyle='--', alpha=0.5) # Ridge最优λ标记
axes[0].axvline(optimal_lasso_lambda, color='#E3120B', linestyle='--', alpha=0.5) # Lasso最优λ标记
axes[0].set_xscale('log') # 对数刻度
axes[0].set_xlabel('$\\lambda$', fontsize=13) # 横轴
axes[0].set_ylabel('交叉验证 MSE', fontsize=13) # 纵轴
axes[0].set_title('CV 误差比较', fontsize=14) # 标题
axes[0].legend(fontsize=12) # 图例
axes[0].grid(True, alpha=0.3) # 网格
# 右图：稀疏性比较
axes[1].plot(cv_lambda_range, ridge_nonzero_counts, linewidth=2.5, label='岭回归', color='#008080') # Ridge非零系数
axes[1].plot(cv_lambda_range, lasso_nonzero_counts, linewidth=2.5, label='套索', color='#E3120B') # Lasso非零系数
axes[1].set_xscale('log') # 对数刻度
axes[1].set_xlabel('$\\lambda$', fontsize=13) # 横轴
axes[1].set_ylabel('非零系数数量', fontsize=13) # 纵轴
axes[1].set_title('模型稀疏性比较', fontsize=14) # 标题
axes[1].legend(fontsize=12) # 图例
axes[1].grid(True, alpha=0.3) # 网格
plt.tight_layout() # 调整间距
plt.show() # 显示
