【2023天池龙珠计划】机器学习训练营（一）：逻辑回归

一、概述

参考资料：https://tianchi.aliyun.com/notebook/170913

逻辑回归（Logistic regression，简称LR）是一个分类模型。
其主要优点为：

1. 实现简单，计算速度快，存储资源低
2. 可解释性强

主要缺点为：

1. 容易欠拟合
2. 分类精度不高

二、核心代码流程

（一）库文件导入与数据获取

##  基础函数库
import numpy as np 
## 导入画图库
import matplotlib.pyplot as plt
## 导入逻辑回归模型函数
from sklearn.linear_model import LogisticRegression

## 构造一个简单数据集
x_fearures = np.array([[-1, -2], [-2, -1], [-3, -2], [1, 3], [2, 1], [3, 2]])
y_label = np.array([0, 0, 0, 1, 1, 1])

（二）模型训练

调用 LogisticRegression() 获取模型对象，即lr_clf。
让 lr_clf 调用 fit() 方法去拟合输入输出（模型训练）。

## 获取“逻辑回归模型对象”
lr_clf = LogisticRegression()
## 用“逻辑回归模型对象”去拟合构造的数据集
lr_clf = lr_clf.fit(x_fearures, y_label) 
#其拟合方程为 y=w0+w1*x1+w2*x2

（三）模型预测

重新模拟两个输入数据 x_fearures_new1 和 x_fearures_new2，调用训练好的模型对其进行分类判别：

x_fearures_new1 = np.array([[0, -1]])
x_fearures_new2 = np.array([[1, 2]])

## 在训练集和测试集上分别利用训练好的模型进行预测
y_label_new1_predict = lr_clf.predict(x_fearures_new1)
y_label_new2_predict = lr_clf.predict(x_fearures_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)）,所以我们可以利用 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)

"""
输出结果如下：
The New point 1 predict class:
 [0]
The New point 2 predict class:
 [1]
The New point 1 predict Probability of each class:
 [[0.69567724 0.30432276]]
The New point 2 predict Probability of each class:
 [[0.11983936 0.88016064]]
"""

三、辅助代码流程

（一）数据模型可视化（方案一）

在完成模型训练之后，可以使用一些绘图API完成数据模型可视化。
例如一段使用 matplotlib 的代码如下：

## 可视化构造的数据样本点
plt.figure()
## 在图中横坐标和纵坐标的数值，分别作为输入数据的两个特征。
## 而图中节点的颜色，则代表输入数据的分类。
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=50, cmap='viridis')
plt.title('Dataset')
plt.show()

该代码运行结果可以很好进行数据模型的可视化展示：

（二）数据模型可视化（方案二）

如果想要可视化更精细，还可以画出分割线，其代码如下所示：

# 可视化决策边界
plt.figure()
plt.scatter(x_fearures[:,0],x_fearures[:,1], c=y_label, s=50, cmap='viridis')
plt.title('Dataset')

nx, ny = 200, 100
x_min, x_max = plt.xlim()
y_min, y_max = plt.ylim()
x_grid, y_grid = np.meshgrid(np.linspace(x_min, x_max, nx),np.linspace(y_min, y_max, ny))

z_proba = lr_clf.predict_proba(np.c_[x_grid.ravel(), y_grid.ravel()])
z_proba = z_proba[:, 1].reshape(x_grid.shape)
plt.contour(x_grid, y_grid, z_proba, [0.5], linewidths=2., colors='blue')

plt.show()

代码的运行结果如下：

四、总结

总的来说，逻辑回归不仅数学原理比较简单，其代码实现也比较简单，一共分为三步：

1. 调用 lr_clf = LogisticRegression() 获取模型对象。
2. 调用 lr_clf = lr_clf.fit(x_fearures, y_label) 完成拟合
3. 调用 y_label_new2_predict = lr_clf.predict(x_fearures_new2) 完成分类预测。predict() 也可被替换为 predict_proba()，得到相关类别的预测概率。

在学习目标上，除了掌握模型本身训练和使用的方式，还需要掌握常见的数据可视化的分析方法，即 matplotlib 的相关使用。