4. 传统机器学习模型（上）：线性回归、岭回归、Lasso回归在材料性能预测中的应用与对比

各位同学，今天我们来聊聊材料性能预测中最基础、也最实用的三个模型。说实话，很多刚入行的朋友一上来就追着深度学习跑，结果数据量不够，模型反而跑偏了。我个人习惯是，先拿传统线性模型试试水，往往能发现不少规律。

4.1 线性回归：最朴素的预测工具

线性回归，说白了就是找一条直线，让这条线尽可能穿过所有数据点。在材料科学里，我们经常用它来建立成分-性能之间的简单关系。

举个例子，你想预测合金的硬度。假设你发现硬度主要跟某个元素的含量有关，那模型就是：

硬度 = w × 元素含量 + b

这里的w和b就是我们要学的参数。模型的目标是让预测值和真实值的误差平方和最小。这就是经典的最小二乘法。

我在项目中遇到过一件事。有一次预测陶瓷材料的断裂韧性，我直接用线性回归，结果训练集上表现不错，但一换到测试集就崩了。为什么会这样？因为特征之间高度相关，模型过拟合了。

4.2 岭回归：给模型加点约束

岭回归就是在线性回归的损失函数里加了一个惩罚项。这个惩罚项是参数w的平方和。你想想看，加了惩罚之后，模型就不敢把某个特征的权重设得太大，从而抑制过拟合。

岭回归损失函数 = 线性回归损失 + λ × Σ(w²)

这里的λ是一个超参数，控制惩罚的力度。λ越大，模型越简单，越不容易过拟合。但λ太大也不行，模型会欠拟合。

我记得有一次做聚合物玻璃化转变温度的预测，特征有几十个，很多特征之间相关性很强。线性回归直接炸了，但岭回归稳稳地给出了合理的预测。嗯，这里要注意，岭回归不会把特征的权重变成0，它只是让权重变小。

4.3 Lasso回归：帮你做特征选择

Lasso回归跟岭回归很像，但惩罚项不一样。Lasso用的是参数w的绝对值之和。这个小小的差别，带来了一个巨大的好处——Lasso可以把不重要的特征权重直接变成0。

Lasso回归损失函数 = 线性回归损失 + λ × Σ|w|

说白了，Lasso帮你自动筛选特征。在材料性能预测中，这太实用了。你有一堆可能的成分、工艺参数，但不知道哪些真正起作用。Lasso跑一遍，哪些特征被保留，哪些被剔除，一目了然。

4.4 三个模型的对比

下面这张表是我自己总结的，平时做项目时经常参考：

模型	特点	适用场景	缺点
线性回归	无惩罚，简单直接	特征少、无共线性	容易过拟合
岭回归	L2惩罚，权重缩小但不为零	特征多、有共线性	不能做特征选择
Lasso回归	L1惩罚，权重可变为零	需要特征选择	可能剔除重要特征

4.5 实战：用Python跑一个材料性能预测

我们拿一个公开的合金硬度数据集来演示。假设数据有5个特征：元素A、B、C的含量，以及热处理温度和时间。目标是预测硬度。

# 导入必要的库
import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression, Ridge, Lasso
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 加载数据（假设数据已准备好）
# data = pd.read_csv('alloy_hardness.csv')
# X = data.drop('hardness', axis=1)
# y = data['hardness']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 线性回归
lr = LinearRegression()
lr.fit(X_train, y_train)
y_pred_lr = lr.predict(X_test)
print(f'线性回归 MSE: {mean_squared_error(y_test, y_pred_lr):.4f}')

# 岭回归
ridge = Ridge(alpha=1.0)
ridge.fit(X_train, y_train)
y_pred_ridge = ridge.predict(X_test)
print(f'岭回归 MSE: {mean_squared_error(y_test, y_pred_ridge):.4f}')

# Lasso回归
lasso = Lasso(alpha=0.01)
lasso.fit(X_train, y_train)
y_pred_lasso = lasso.predict(X_test)
print(f'Lasso回归 MSE: {mean_squared_error(y_test, y_pred_lasso):.4f}')

# 查看Lasso选中的特征
print(f'Lasso保留的特征数: {np.sum(lasso.coef_ != 0)}')

跑完这段代码，你会发现三个模型的MSE不一样。通常岭回归和Lasso会优于线性回归，尤其是当特征之间存在相关性时。

4.6 知识体系总览

下面这张图帮你理清这三个模型的关系和选择逻辑：

4.7 总结与建议

做材料性能预测，我建议你按这个顺序来：

1. 先跑线性回归，看看数据的基本规律。如果效果不错，说明问题比较简单。
2. 再试岭回归，尤其是特征数量多的时候。它能帮你稳定模型。
3. 最后用Lasso，看看哪些特征是真正重要的。但记住，Lasso的结果要结合物理知识验证。

好了，今天的内容就到这里。这三个模型虽然简单，但用好了能解决材料预测中80%的问题。下次遇到新的材料数据，不妨先拿它们试试手。

---

公众号:蓝海资料掘金营，微信deep3321