前言
本次的机器学习基础巩固是基于天池实验室-实时在线数据分析工具进行学习的，逻辑回归为第一章章节。所以此章节分为两部分，前面的部分是对实验工具的了解与使用，后半部分是对逻辑回归的内在描述和应用。
因为本次学习是对学习器的巩固学习，所以此时对于模型的评估，超参数、参数、过/欠拟合和监督式/无监督式学习算法不予介绍。
天池实验室-AI算法学习体验
点击“开始体验”，进入体验环节，整个体验环节如下图所示：
- 第一部分显示的题目，右侧可以直接结束实验，实验体验是有完成时间，时间为1小时。
- 第二部分是个人的空间以及对应的数据，类似于可打开调用的文件。
- 第三部分是代码区，可执行保存对应的代码，上面一行是命令行。
- 第四部分是实验手册，即安排的对应学习内容，包括code，上下页可对内容进行翻页阅读。
基于逻辑回归的分类预测
进入学习逻辑回归分类预测的正题，对于这部分的学习主要包括了三个部分：
- Demo实践：实践出真知，实践一遍后会对算法有个大体初步的了解。
- 逻辑回归的原理介绍：了解原理才能对算法有阵深入的理解，对算法的应用更加有效。
- 逻辑回归的案例应用L：基于鸢尾花（iris）数据集的洛基回归分类实践，是典型的案例。
Demo实践
### 导入函数库
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.linear_model import LogisticRegression
### 构造数据集
x_features = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])
lr_clf = LogisticRegression()
lr_clf = lr_clf.fit(x_fearures, y_label)
#拟合方程为 y=w0+w1*x1+w2*x2
### 模型参数查看
#查看其对应模型的w，即上述方程的w1和w2
print('the weight of Logistic Regression:',lr_clf.coef_)
##查看其对应模型的w0
print('the intercept(w0) of Logistic Regression:',lr_clf.intercept_)
### 模型和数据可视化
plt.figure()
plt.scatter(x_features[:,0],x_features[:,1],c=y_label, s=30, cmap='Paired')
#cmap代表设置scatter的颜色渐变，可多选
plt.title("Dataset")
### 可视化决策边界-二分类画条辅助线分开，显现更明显
nx, ny = 200, 100 #下文的个数限制
x_min, x_max = plt.xlim() #设置x轴的范围
y_min, y_max = plt.ylim() #设置y轴的范围
x_grid, y_grid = np.meshgrid(np.linspace(x_min, x_max, nx),np.linspace(y_min, y_max, ny))
#np.meshgrid生成网格点坐标矩阵，根据后面的数列生成网格点坐标矩阵。
z_proba = lr_clf.predict_proba(np.c_[x_grid.ravel(), y_grid.ravel()])
#np.c_按行连接两个矩阵，左右相加，行数相等即可
z_proba = z_proba[:, 1].reshape(x_grid.shape)
plt.contour(x_grid, y_grid, z_proba, [0.6], linewidths=2., colors='blue')
plt.show()
上述图片是对分类散点的可视化，分别对点进行分类，可视化不同的颜色，并且加入辅助线将点显著分为两类，下面会加入新点进行分类可视化。
### 可视化预测新样本
plt.figure()
## new point 1
x_fearures_new1 = np.array([[0, -1]])
plt.scatter(x_fearures_new1[:,0],x_fearures_new1[:,1], s=30, cmap='Paired')
plt.annotate(s='New point 1',xy=(0,-1),xytext=(-2,0),color='blue',arrowprops=dict(arrowstyle='-|>',connectionstyle='arc3',color='red'))
## new point 2
x_fearures_new2 = np.array([[1, 2]])
plt.scatter(x_fearures_new2[:,0],x_fearures_new2[:,1], s=30, cmap='Paired')
plt.annotate(s='New point 2',xy=(1,2),xytext=(-1.5,2.5),color='red',arrowprops=dict(arrowstyle='-|>',connectionstyle='arc3',color='red'))
## 训练样本
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=50, cmap='Paired')
plt.title('Dataset')
# 可视化决策边界
plt.contour(x_grid, y_grid, z_proba, [0.5], linewidths=2., colors='blue')
plt.show()
### 模型预测
'''在训练集和测试集上分布利用训练好的模型进行预测'''
y_label_new1_predict=lr_clf.predict(x_features_new1)
y_label_new2_predict=lr_clf.predict(x_features_new2)
print('The New point 1 predict class:\n',y_label_new1_predict)
print('The New point 2 predict class:\n',y_label_new2_predict)
##由于逻辑回归模型是概率预测模型（前文介绍的p = p(y=1|x,\theta)）,可以利用predict_proba函数预测其概率
y_label_new1_predict_proba=lr_clf.predict_proba(x_fearures_new1)
y_label_new2_predict_proba=lr_clf.predict_proba(x_fearures_new2)
print('The New point 1 predict Probability of each class:\n',y_label_new1_predict_proba)
print('The New point 2 predict Probability of each class:\n',y_label_new2_predict_proba)
逻辑回归算法原理
鸢尾花案例分析
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
此次选择鸢花数据（iris）进行方法的尝试训练，该数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为 花的类别 其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征，分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm)，这些形态特征在过去被用来识别物种。
- sepal length：花萼长度(cm)
- sepal width：花萼宽度(cm)
- petal length：花瓣长度(cm)
- petal width：花瓣宽度(cm)
- target：鸢尾的三个亚属类别,‘setosa’(0), ‘versicolor’(1), ‘virginica’(2)
#数据载入
from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names)
iris_features.info()
iris_features.head()
# 查看特征的分布数量
pd.Series(iris_target).value_counts()
#统计分析
iris_features.describe()
可视化描述
## 合并标签和特征信息
iris_all = iris_features.copy() ##进行浅拷贝，防止对于原始数据的修改
iris_all['target'] = iris_target
## 特征与标签组合的散点可视化
sns.pairplot(data=iris_all,diag_kind='hist', hue= 'target')
plt.show()
#箱型图
for col in iris_features.columns:
sns.boxplot(x='target', y=col, saturation=0.5,
palette='pastel', data=iris_all)
plt.title(col)
plt.show()
## 选取其前三个特征绘制三维散点图
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')
iris_all_class0 = iris_all[iris_all['target']==0].values
iris_all_class1 = iris_all[iris_all['target']==1].values
iris_all_class2 = iris_all[iris_all['target']==2].values
# 'setosa'(0), 'versicolor'(1), 'virginica'(2)
ax.scatter(iris_all_class0[:,0], iris_all_class0[:,1], iris_all_class0[:,2],label='setosa')
ax.scatter(iris_all_class1[:,0], iris_all_class1[:,1], iris_all_class1[:,2],label='versicolor')
ax.scatter(iris_all_class2[:,0], iris_all_class2[:,1], iris_all_class2[:,2],label='virginica')
plt.legend()
plt.show()
应用逻辑回归模型进行二分类的训练和预测
##为了正确评估模型性能，将数据划分为训练集和测试集，并在训练集上训练模型，在测试集上验证模型性能。
from sklearn.model_selection import train_test_split
##选择其类别为0和1的样本（不包括类别为2的样本）
iris_features_part=iris_features.iloc[:100]
iris_target_part=iris_target[:100]
##测试集大小为20%，80%/20%分
x_train,x_test,y_train,y_test=train_test_split(iris_features_part,iris_target_part,test_size=0.2,random_state=2020)
from sklearn.linear_model import LogisticRegression
clf=LogisticRegression(random_state=0,solver='lbfgs')
clf.fit(x_train,y_train)
##查看其对应的w
print('the weight of Logistic Regression:',clf.coef_)
##查看其对应的w0
print('the intercept(w0) of Logistic Regression:',clf.intercept_)
##在训练集和测试集上分布利用训练好的模型进行预测
train_predict=clf.predict(x_train)
test_predict=clf.predict(x_test)
from sklearn import metrics
##利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_train,train_predict))
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_test,test_predict))
##查看混淆矩阵(预测值和真实值的各类情况统计矩阵)
confusion_matrix_result=metrics.confusion_matrix(test_predict,y_test)
print('The confusion matrix result:\n',confusion_matrix_result)
##利用热力图对于结果进行可视化
plt.figure(figsize=(8,6))
sns.heatmap(confusion_matrix_result,annot=True,cmap='Blues')
plt.xlabel('Predictedlabels')
plt.ylabel('Truelabels')
plt.show()
##The accuracy of the Logistic Regressionis:1.0
##The accuracy of the Logistic Regressionis:1.0
##The confusion matrix result:
##[[9 0]
##[0 11]]
应用逻辑回归模型在三分类（多分类）进行训练和预测
##测试集大小为20%，八二分
x_train,x_test,y_train,y_test=train_test_split(iris_features,iris_target,test_size=0.2,random_state=2020)
clf=LogisticRegression(random_state=0,solver='lbfgs')
clf.fit(x_train,y_train)
##查看其对应的w
print('the weight of Logistic Regression:\n',clf.coef_)
##查看其对应的w0
print('the intercept(w0) of Logistic Regression:\n',clf.intercept_)
##由于这个是3分类，所有我们这里得到了三个逻辑回归模型的参数，其三个逻辑回归组合起来即可实现三分类
##在训练集和测试集上分布利用训练好的模型进行预测
train_predict=clf.predict(x_train)
test_predict=clf.predict(x_test)
##由于逻辑回归模型是概率预测模型（前文介绍的p=p(y=1|x,\theta)）,所有我们可以利用predict_proba函数预测其概率
train_predict_proba=clf.predict_proba(x_train)
test_predict_proba=clf.predict_proba(x_test)
print('The test predict Probability of each class:\n',test_predict_proba)
##其中第一列代表预测为0类的概率，第二列代表预测为1类的概率，第三列代表预测为2类的概率。
##利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_train,train_predict))
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_test,test_predict))
##查看混淆矩阵
confusion_matrix_result=metrics.confusion_matrix(test_predict,y_test)
print('The confusion matrix result:\n',confusion_matrix_result)
##利用热力图对于结果进行可视化
plt.figure(figsize=(8,6))
sns.heatmap(confusion_matrix_result,annot=True,cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()
##The confusion matrix result:
##[[10 0 0]
##[0 8 2]
##[0 2 8]]
参考文献
https://blog.csdn.net/YZXnuaa/article/details/79551447?utm_source=blogxgwz4
https://blog.csdn.net/lllxxq141592654/article/details/81532855
https://blog.csdn.net/weixin_41797117/article/details/80048688
https://zhuanlan.zhihu.com/p/56900935
636
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
