数据分析实验 sklearn 逻辑回归

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

实验相关内容

1.数据分析实验

#非均衡数据的处理

提示：以下是本篇文章正文内容，下面案例可供参考

2.数据集介绍

数据集包括了 2013 年 9 月份两天时间内的信用卡交易数据，284807 笔交易中，一共有 492 笔是欺诈行为。输入数据一共包括了 28 个特征 V1，V2，……V28 对应的取值，以及交易时间 Time 和交易金额 Amount。为了保护数据隐私，我们不知道 V1 到 V28 这些特征代表的具体含义，只知道这 28 个特征值是通过 PCA 变换得到的结果。另外字段 Class 代表该笔交易的分类，Class=0 为正常（非欺诈），Class=1 代表欺诈

3.实验目标

目标是针对这个数据集构建一个信用卡欺诈分析的分类器，采用的是逻辑回归。

4.整个流程

1. 了解逻辑回归分类，以及如何在 sklearn 中使用它；
2. 信用卡欺诈属于二分类问题，欺诈交易在所有交易中的比例很小，对于这种数据不平衡的情况，到底采用什么样的模型评估标准会更准确；
3. 完成信用卡欺诈分析的实战项目，并通过数据可视化对数据探索和模型结果评估进一步加强了解。

实验前讲解

- 如何使用 sklearn 中的逻辑回归工具：

• 在 sklearn 中，使用 LogisticRegression() 函数构建逻辑回归分类器，函数里有一些常用的构造参数：

1. penalty：惩罚项，取值为 l1 或 l2，默认为 l2。当模型参数满足高斯分布的时候，使用
   l2，当模型参数满足拉普拉斯分布的时候，使用 l1；

2. solver：代表的是逻辑回归损失函数的优化方法。有 5 个参数可选，分别为
   liblinear、lbfgs、newton-cg、sag 和 saga。默认为
   liblinear，适用于数据量小的数据集，当数据量大的时候可以选用 sag 或 saga 方法；

3. max_iter：算法收敛的最大迭代次数，默认为 10； n_jobs：拟合和预测的时候 CPU 的核数，默认是1，也可以是整数，如果是-1 则代表 CPU 的核数。当我们创建好之后，就可以使用 fit 函数拟合，使用 predict 函数预测。*

- 模型评估指标

这里先介绍下数据预测的四种情况：TP、FP、TN、FN。*

• 准确率 Accuracy = (TP+TN)/(TP+TN+FN+FP)；
• 精确率 P = TP/ (TP+FP)； 召回率 R = TP/ (TP+FN)，也称为查全率。
• F1 作为精确率 P 和召回率 R 的调和平均，数值越大代表模型的结果越好。

*

使用步骤

代码如下（示例）：

```python
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import itertools
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, precision_recall_curve
from sklearn.preprocessing import StandardScaler
from sklearn.svm import LinearSVC
import warnings
warnings.filterwarnings('ignore')
# 混淆矩阵可视化
def plot_confusion_matrix(cm, classes, normalize = False, title = 'Confusion matrix"', cmap = plt.cm.Blues) :
    plt.figure()
    plt.imshow(cm, interpolation = 'nearest', cmap = cmap)
    plt.title(title)
    plt.colorbar()
    tick_marks = np.arange(len(classes))
    plt.xticks(tick_marks, classes, rotation = 0)
    plt.yticks(tick_marks, classes)
 
    thresh = cm.max() / 2.
    for i