回归与分类问题

最新推荐文章于 2024-08-20 14:38:56 发布

m0_74831463

最新推荐文章于 2024-08-20 14:38:56 发布

阅读量475

点赞数 5

文章标签：回归分类数据挖掘

本文链接：https://blog.csdn.net/m0_74831463/article/details/139279105

版权

一、两者的区别

回归和分类是机器学习中两种基本的预测任务类型。

回归：回归旨在预测连续的数值。这些数值可以是无限的，回归模型的输出是一个连续的数值。

分类：分类旨在预测离散的标签或类别。这些标签是有限，如垃圾邮件与非垃圾邮件。分类模型的输出是类别标签（可以是二分类或者多分类）。

二、逻辑回归

2.1概念及公式

逻辑回归虽说叫回归，但是是分类问题。逻辑回归通过计算输入特征的线性组合，使用Sigmoid函数将输出值压缩到0和1之间，表示某个类别发生的概率。通过设定一个阈值（比如0.5），可以将概率转换为类别输出。逻辑回归通常用于估计对象属于某一类别的概率，这是一个典型的分类任务。

事件的几率：指该事件的概率与该事件不发生的概率的比值。

对数几率：

logit（p）= logp/(1-p)

输入特征值的线性表达式：

logit(p) = w0x0+w1x1+.....+wnxn = $\sum_{}^{}$ wixi = w $w^{^{t}}$ x

logp/(1-p) = $w^{_{^{t}}}$ x

对上式取反得：

p = 1/1+ $e^{-_w{t}x}$

2.2逻辑回归实例：

import numpy as np
def loadDataSet():
    dataMat = []
    labelMat = []
    fr = open('testSet.txt')
    for line in fr.readlines():
        lineArr = line.strip().split()
        dataMat.append([1.0,float(lineArr[0]),float(lineArr[1])])
        labelMat.append(int(lineArr[2]))
    return dataMat,labelMat

def sigmoid(inX):
    return 1.0/(1 + np.exp(-inX))

def gradAscent(dataMatIn,classlabels):
    dataMatrix = np.mat(dataMatIn)
    labelMat = np.mat(classlabels).transpose()
    m,n = np.shape(dataMatrix)
    alpha = 0.001
    maxCycles = 500
    weights = np.ones((n,1))
    for k in range(maxCycles):
        h = sigmoid(dataMatrix*weights)
        error = (labelMat - h)
        weights = weights + alpha * dataMatrix.transpose()*error
    return weights


dataArr,labelMat = loadDataSet()
print(dataArr)
print(labelMat)


weights1  = gradAscent(dataArr,labelMat)
print(weights1)

def plotBestFit(wei):
    import matplotlib.pyplot as plt
    weights = wei
    dataMat,labelMat = loadDataSet()
    dataArr = np.array(dataMat)
    n = np.shape(dataArr)[0]
    xcord1 = [];ycord1 = []
    xcord2 = [];ycord2 = []
    for i in range(n):
        if int(labelMat[i])==1:
            xcord1.append(dataArr[i,1]);ycord1.append(dataArr[i,2])
        else:
            xcord2.append(dataArr[i,1]);ycord2.append(dataArr[i,2])
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(xcord1,ycord1,s = 30,c = 'red',marker='s')
    ax.scatter(xcord2,ycord2,s=30,c='green')
    x = np.arange(-3.0,3.0,0.1)
    y = (-weights[0]-weights[1]*x)/weights[2]
    ax.plot(x,y)
    plt.xlabel('x1');plt.ylabel('x2')
    plt.show()

    plotBestFit(weights1.getA())

2.3分类结果：

可以看得出，分类错分了2-5个点，效果比较好。但是尽管数据集比较少，这个算法仍然需要很大的计算（300次乘法），所以下面对其稍作改进。

三、对算法改进

3.1改进算法：

def stocGradAscent0(dataMatrix,classlabels):
    m,n = np.shape(dataMatrix)
    alpha = 0.01
    weights = np.ones(n)
    for i in range(m):
        h = sigmoid(sum(dataMatrix[i]*weights))
        error = classlabels[i] - h
        weights = weights + alpha * error * dataMatrix[i]
    return weights

weights = stocGradAscent0(np.array(dataArr),labelMat)
plotBestFit(weights)

3.2 效果图：

从效果图可以看得出来，效果并不理想。

3.3将算法迭代150次：

def stocGradAscent0(dataMatrix,classlabels,numIter = 150):
    m,n = np.shape(dataMatrix)
    weights = np.ones(n)
    for j in range(numIter):
        dataIndex = list(range(m))
        for i in range(m):
            alpha = 4/(1.0+j+i)+0.01
            randIndex = int(np.random.uniform(0,len(dataIndex)))
            h = sigmoid(sum(dataMatrix[randIndex]*weights))
            error = classlabels[randIndex] - h
            weights = weights + alpha * error * dataMatrix[randIndex]
    return weights

weights2 = stocGradAscent0(np.array(dataArr),labelMat)
plotBestFit(weights2)