代码笔记--Logistic回归

1.训练算法：使用梯度上升找到最佳参数
梯度上升法的伪代码如下：

每个回归系数初始化为1
重复R次：
    计算整个数据集的梯度
    使用alpha*gradient更新回归系数的向量
    返回回归系数

下面的代码是梯度上升算法的具体实现。

#Logistic回归梯度上升优化算法
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

dataArr,labelMat=loadDataSet()

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

def gradAscent(dataMatIn,classLabels):
    dataMatrix=mat(dataMatIn)               #转换为Numpy矩阵数据类型
    labelMat=mat(classLabels).transpose()
    m,n=shape(dataMatrix)
    alpha=0.001
    maxCycles=500
    weights=ones((n,1))
    for k in range(maxCycles):
        h=sigmoid(dataMatrix*weights)
        error=(labelMat-h)
        weights=weights+alpha*dataMatrix.transpose()*error      #矩阵相乘
    return weights

2.训练算法：随机梯度上升
随机梯度上升算法可以写成如下的伪代码：

所有回归系数初始化为1
对数据集中的每个样本
    计算该样本的梯度
    使用alpha*gradient更新回归系数值
返回回归系数值

以下是随机梯度上升算法的实现代码。

#随机梯度上升算法
def stocGradAscent(dataMatrix,classLabel):
    m,n=shape(dataMatrix)
    alpha=0.01
    weights=ones(n)
    for i in range(m):
        h=sigmoid(sum(dataMatrix[i]*weights))
        error=classLabel[i]-h
        weights=weights+alpha*error*dataMatrix[i]
    return weights

为了算法能够避免来回波动，从而收敛到某个值，收敛速度加快。
改进的具体代码如下：

#改进的梯度上升算法
def stocGradAscent1(dataMatrix,classLabel,numIter=150):
    m,n=shape(dataMatrix)
    weights=ones(n)
    for j in range(numIter):
        dataIndex=range(m)
        for i in range(m):
            alpha=4/(1.0+j+i)+0.01          #alpha每次迭代时需要调整
            randIndex=int(random.uniform(0,len(dataIndex)))
            h=sigmoid(sum(dataMatrix[randIndex]*weights))
            error=classLabel[randIndex]-h                       #随机选取更新
            weights=weights+alpha*error*dataMatrix[randIndex]
            del (dataIndex[randIndex])
    return weights

3.测试算法：用Logistic回归进行分类

#Logisitic回归分类函数
def classifyVector(inX,weights):
    prob=sigmoid(sum(inX*weights))
    if prob>0.5:return 1.0
    else:return 0.0

def colisTest():
    frTrain=open('horseColicTraining.txt')
    frTest=open('horseColicTest.txt')
    trainingSet=[];trainingLabels=[]
    for line in frTrain.readlines():
        currLine=line.strip().split('\t')
        lineArr=[]
        for i in range(21):
            lineArr.append(float(currLine[i]))
        trainingSet.append(lineArr)
        trainingLabels.append(float(currLine[21]))
    trainingWeights=stocGradAscent1(array(trainingSet),trainingLabels,500)
    errorCount=0;numTestVec=0.0
    for line in frTest.readlines():
        numTestVec+=1.0
        currLine=line.strip().split('\t')
        lineArr=[]
        for i in range(21):
            lineArr.append(float(currLine[i]))
        if int(classifyVector(array(lineArr),trainingWeights))!=int(currLine[21]):
            errorCount+=1
    errorRate=(float(errorCount)/numTestVec)
    print "the erro rate of this test is: %f" % errorRate
    return errorRate

def mutiTest():
    numTsets=10;errorSum=0.0
    for k in range(numTsets):
        errorSum+=colisTest()
    print "after %d iterations the average error rate is: %f" % (numTsets,errorSum/float(numTsets))

mutiTest()