逻辑回归

最新推荐文章于 2022-04-08 23:45:00 发布

有菜的马哥

最新推荐文章于 2022-04-08 23:45:00 发布

阅读量480

点赞数 1

分类专栏：机器学习

本文链接：https://blog.csdn.net/Maqiuqiu520/article/details/103024554

版权

机器学习专栏收录该内容

8 篇文章 1 订阅

订阅专栏

逻辑回归介绍

逻辑回归其实用于二分分类问题，用于判断一个离散性的特征得到的标签类型的概率。举个例子，你是否喜欢一首歌是通过很多这个歌的特征（如节奏、强度等）来判断的，那么我们的数据集就是各种歌的特征，而返回的结果则是一个非1即0，不是喜欢就是不喜欢的结果。

实例展示

根据逻辑回归，分析银行违约客户的各项特征，推测某一客户违约的情况。

操作步骤

1.首先打开终端模拟器，输入下面命令：

cd /  
jupyter notebook --ip='127.0.0.1'

2.切换到/data目录下，点击New，在其下拉框中选择folder
选中刚才创建的文件夹，点击页面左上角的【Rename】重命名为logic
3.切换到logic目录下，新建一个ipynb文件，用于编写并执行代码。点击页面右上角的New，选中【Python3】
新建ipynb文件如下所示，在此可以编写代码了
4.逻辑回归
逻辑回归用于二分分类问题，回归是一种极易理解的模型，就相当于y=f(x)，表明自变量x与因变量y的关系。最常见问题有如医生治病时的望、闻、问、切，之后判定病人是否生病或生了什么病，其中的望闻问切就是获取自变量x，即特征数据，判断是否生病就相当于获取因变量y，即预测分类。
(1)业务理解
某银行违约客户信息表如下：（这里只展示了部分数据）我们通过银行客户资料违约情况表来做逻辑回归分析，其中的年龄、教育、工龄、地址、收入、负债率、信用卡负债、其他负债就是获取自变量x，即特征数据，判断是否违约就相当于获取因变量y，即预测分类。
(2)获取数据并读取数据
2.1.打开linux终端，下载所需资源
2.2在刚才新建的ipynb文件中，编写代码，读取数据

1.#导入pandas库和numpy库  
2.import pandas as pd  
3.import numpy as np  
4.#读取loandata.xls  
5.data= pd.read_excel('loandata.xls')  
6.#读取前五行数据，如果是最后五行，用df_women.tail()  
7.data.head()

（3）数据理解
3.1.查看数据结构

data.shape

3.2.查看数据列名称

data.columns

说明:loandata.xls中列名称为：‘年龄’‘教育’‘工龄’‘地址’‘收入’‘负债率’‘信用卡负债’‘其他负债’’违约‘

（4）数据准备
数据准备就是获得特征数据和预测分类
4.1.删除’违约‘这一列数据得到特征数据

X_Data = data.drop(['违约'],axis=1)  
X_Data.head()

4.2.获取’违约‘这列数据得到预测分类

y_data = np.ravel(data[['违约']])  
y_data[0:5]

（5）随机逻辑回归模型
5.1.训练模型
fit(X, y) Fit the model using X, y as training data.
x：array-like, Training samples 训练样本
y: array-like, Target values 目标值，如果需要的话可以转换为训练样本的数据类型.

from sklearn.linear_model import RandomizedLogisticRegression as RLR   
rlr = RLR()  
#训练模型  
rlr.fit(X_Data,y_data)

5.2. 获取特征筛选结果
get_support([indices=False]) 获取所选列的掩码或整数索引
参数说明：indices：boolean，默认False
返回值：从特征向量中选择保留特征的索引。
如果indices为False，则这是一个布尔数组[＃输入要素]，如果为其保留选择了其对应的特征，则元素为True
如果indices为True，则这是一个整形数组[＃输出要素]，其值是输入要素向量中的索引

rlr.get_support()

5.3.获得score值
score(X, y[, sample_weight]) 返回给定测试数据和标签的平均精度

rlr.scores_

6）训练模型
6.1.创建新的特征矩阵

X2_data = data.drop(['年龄','教育','收入','其他负债','违约'],axis=1)  
X2_data.head()

6.2.建立训练数据和测试数据
train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取训练数据（train）和测试数据（test）
第1个参数：所要划分的样本特征
第2个参数：所要划分的样本标签
random_state：它的用途是在随机划分训练集和测试集时候，划分的结果并不是那么随机，也即，确定下来random_state是某个值后，重复调用这个函数，划分结果是确定的

1.from sklearn.model_selection import  train_test_split  
2.X_train,X_test,y_train,y_test = train_test_split(X2_data,y_data,random_state=1)  
3.print(X_train.shape)  
4.print(X_test.shape)

6.3.进行逻辑训练

1.#导入逻辑回归包  
2.from sklearn.linear_model import LogisticRegression  
3.# 创建模型：逻辑回归  
4.lr = LogisticRegression()  
5.#训练模型  
6.lr.fit(X_train , y_train)