2021-08-17

logistic回归

梯度公式的推导
参考文章

import feedparser
from numpy import *
def loadDateSet():
    dataMat=[]
    labelMat=[]
    fr=open('F:\\learn\\machinelearninginaction\\Ch05\\testSet.txt')
    for line in fr.readlines():
        # 对当前行去除首尾空格,并按空格进行分离
        lineArr=line.strip().split()
        # 将每一行的前两个数据即数组两个特征x1,x2,x0=0组成列表并添加到数据集列表中
        #增加额外的x0=0是为了后续方便计算
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])
        # 将每一行的第三个数据即标签添加到标签列表中
        labelMat.append(int(lineArr[2]))
    return dataMat,labelMat
#sigmid函数用来将计算结果分成两类
def sigmid(inx):
    return 1.0/(1+exp(-inx))
#梯度上升算法的具体实现
def gradAscent(dataMat,classLabelMat):
    #将数据从一个2位数组转变成矩阵
    dataMatrix=mat(dataMat)
    #将标签列表转换成一个单行向量然后再转置成列向量
    labelMat=mat(classLabelMat).transpose()
    m,n=shape(dataMatrix)
    #移动的步长
    alpha=0.001
    #迭代的最大次数
    maxCycles=500
    #n*1的数组
    weights=ones((n,1))
    for k in range(maxCycles):
        #h计算的是每个样本特征乘以系数并累加后,作为sigmoid函数的输入得到的输出。是个100*1的列向量
        h=sigmid(dataMatrix*weights)
        #error是计算h中每个值与labelMat中对应值的误差
        error=(labelMat-h)
        #根据迭代公式 新的特征向量=旧的特征向量+步长乘以梯度
        #数据集转置乘以error就是梯度
        weights=weights+alpha*dataMatrix.transpose()*error
    return weights
#随机梯度上升
def stocGradAscent0(dataMatrix,classLabels):
    dataMatrix = array(dataMatrix)
    m,n=shape(dataMatrix)
    alpha=0.01
    weights=ones(n)
    for i in range(m):
        h=sigmid(sum(dataMatrix[i]*weights))
        error=classLabels[i]-h
        weights=weights+alpha*error*dataMatrix[i]
    return weights
#改进的随机梯度上升
def stocGradAscent1(dataMatrix,classLabels,numIter=150):
    dataMatrix = array(dataMatrix)
    m,n=shape(dataMatrix)
    weights=ones(n)
    for j in range(numIter):
        dataIndex = list(range(m))
        for i in range(m):
            alpha = 4 / (1.0 + j + i) + 0.0001
            randIndex = int(random.uniform(0, len(dataIndex)))
            h=sigmid(sum(dataMatrix[randIndex]*weights))
            error=classLabels[randIndex]-h
            weights=weights+alpha*error*dataMatrix[randIndex]
            del (dataIndex[randIndex])
    return weights
def plotBestFit(weights):
        import matplotlib.pyplot as plt
        dataMat,labelMat=loadDateSet()
        dataArr=array(dataMat)
        #n等于数据的个数
        n=shape(dataArr)[0]
        xcord1=[]
        xcord2=[]
        ycord1=[]
        ycord2=[]
        for i in range(n):
            #将类别1的点的x1特征当做x坐标x2特征当做y坐标画在坐标系上
            if int(labelMat[i])==1:
                xcord1.append(dataArr[i,1])
                ycord1.append(dataArr[i,2])
            else:
            # 将类别0的点的x1特征当做x坐标x2特征当做y坐标画在坐标系上
                xcord2.append(dataArr[i,1])
                ycord2.append(dataArr[i,2])
        fig=plt.figure()
        # 图像分为一行一列并且将图像画在第一块画布上
        ax=fig.add_subplot(111)
        # 标签为1的点为正方形
        ax.scatter(xcord1,ycord1,s=30,c='red',marker='s')
        # 标签为0的点为原形
        ax.scatter(xcord2,ycord2,s=30,c='green')
        # 画出最佳拟合直线
        x=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()

dataArr,labelMat=loadDateSet()
weights=stocGradAscent1(dataArr,labelMat)
plotBestFit(weights)

值得注意的是倒数第4行。我们有了最佳回归系数之后,就可以列出最佳拟合直线的方程。根据sigmoid函数的性质,横坐标为0处是两个分类(0和1)的分界线,所以令sigmoid函数的输入为0,就得到了分界线的方程:
w0x0+w1x1+w2x2=0
其中x0是1,所以 x2=(-w0-w1x1) / w2

使用logistic回归预测病马的死亡率

import feedparser
from numpy import *
#sigmid函数用来将计算结果分成两类
def sigmid(inx):
    return 1.0/(1+exp(-inx))
def classifyVector(inx,weights):
    prob=sigmid(sum(inx*weights))
    if prob>0.5:
        return 1.0
    else:
        return 0.0
#改进的随机梯度上升
def stocGradAscent1(dataMatrix,classLabels,numIter=150):
    dataMatrix = array(dataMatrix)
    m,n=shape(dataMatrix)
    weights=ones(n)
    for j in range(numIter):
        dataIndex = list(range(m))
        for i in range(m):
            alpha = 4 / (1.0 + j + i) + 0.0001
            randIndex = int(random.uniform(0, len(dataIndex)))
            h=sigmid(sum(dataMatrix[randIndex]*weights))
            error=classLabels[randIndex]-h
            weights=weights+alpha*error*dataMatrix[randIndex]
            del (dataIndex[randIndex])
    return weights
def colicTest():
    frTrain=open('F:\\learn\\machinelearninginaction\\Ch05\\horseColicTraining.txt')
    frTest = open('F:\\learn\\machinelearninginaction\\Ch05\\horseColicTest.txt')
    trainingSet=[]
    trainingLables=[]
    for line in frTrain.readlines():
        currLine=line.strip().split('\t')
        lineArr=[]
        for i in range(21):
            lineArr.append(float(currLine[i]))
        trainingSet.append(lineArr)
        trainingLables.append(float(currLine[21]))
    trainWeights=stocGradAscent1(trainingSet,trainingLables,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(lineArr,trainWeights))!=int(currLine[21]):
            errorCount+=1
    errorRate=(float(errorCount)/numTestVec)
    print('错误率是:%f'%errorRate)
    return errorRate
def multiTest():
    numTests=10
    errorSum=0.0
    for k in range(numTests):
        errorSum+=colicTest()
    print('在%d的迭代过后平均错误率等于%f'%(numTests,errorSum/float(numTests)))
multiTest()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值