一、逻辑回归
- 是一个分类算法
- 逻辑回归的输入及时一个线性回归的结果
1、sigmoid函数(h(w)线性回归):
- 判断标准
- 回归的结果输入到sigmoid函数当中
- 输出结果:[0,1]区间的一个概率值,默认为0.5位阈值
2、损失及优化
- 损失:逻辑回归的损失,称之为对数似然损失
- 当真实值y=1时,我们希望预测值h(x)越大越好
- 当真实值y=0时,我们希望预测值h(x)越小越好
- 综合完整损失函数:
- 下表的阈值定为0.6
- 优化:
- 同样使用梯度下降优化算法,去减少损失函数的值。这样去更新逻辑回归前面对应算法的权重参数,提升原本属于1类别的概率,降低原本是0类别的概率。
二、API
- sklearn.linear_model.LogisticRegression(solver=‘liblinear’, penalty=‘l2’, C = 1.0)
- solver可选参数:{‘liblinear’, ‘sag’, ‘saga’,‘newton-cg’, ‘lbfgs’},
- 默认: ‘liblinear’;用于优化问题的算法
- 对于小数据集来说,“liblinear”是个不错的选择,而“sag”和’saga’对于大型数据集会更快
- 对于多类问题,只有’newton-cg’, ‘sag’, 'saga’和’lbfgs’可以处理多项损失;“liblinear”仅限于“one-versus-rest”分类
- penalty:正则化的种类
- C:正则化力度
- solver可选参数:{‘liblinear’, ‘sag’, ‘saga’,‘newton-cg’, ‘lbfgs’},
默认将类别数量少的当做正例
LogisticRegression方法相当于 SGDClassifier(loss=“log”, penalty=" "),SGDClassifier实现了一个普通的随机梯度下降学习。而使用LogisticRegression(实现了SAG)
三、分类评估方法
1、混淆矩阵
在分类任务下,预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合,构成混淆矩阵(适用于多分类
2、精确率与召回率
-
精确率:预测结果为正例样本中真实为正例的比例(了解)
-
召回率:真实为正例的样本中预测结果为正例的比例(查得全,对正样本的区分能力)
3、F1-score
- 还有其他的评估标准,F1-score,反映了模型的稳健型
4、分类评估报告API
-
sklearn.metrics.classification_report(y_true, y_pred, labels=[], target_names=None )
- y_true:真实目标值
- y_pred:估计器预测目标值
- labels:指定类别对应的数字
- target_names:目标类别名称
- eturn:每个类别精确率与召回率
四、ROC曲线和AUC指标
1、TPR和FPR
- TPR = TP / (TP + FN) — 正例的召回率
- 所有真实类别为1的样本中,预测类别为1的比例
- FPR = FP / (FP + TN) — 反例的召回率
- 所有真实类别为0的样本中,预测类别为1的比例
2、ROC曲线
- ROC曲线的横轴就是FPRate,纵轴就是TPRate,当二者相等时,表示的意义则是:对于不论真实类别是1还是0的样本,分类器预测为1的概率是相等的,此时AUC为0.5
3、AUC指标
-
AUC的概率意义是随机取一对正负样本,正样本得分大于负样本得分的概率
-
AUC的范围在[0, 1]之间,并且越接近1越好,越接近0.5属于乱猜
-
AUC=1,完美分类器,采用这个预测模型时,不管设定什么阈值都能得出完美预测。绝大多数预测的场合,不存在完美分类器。
-
0.5<AUC<1,优于随机猜测。这个分类器(模型)妥善设定阈值的话,能有预测价值。
-
AUC<0.5的情况为反向预测
4、AUC计算API
- sklearn.metrics.roc_auc_score(y_true, y_score)
- 计算ROC曲线面积,即AUC值
- y_true:每个样本的真实类别,必须为0(反例),1(正例)标记
- y_score:预测得分,可以是正类的估计概率、置信值或者分类器方法的返回值
AUC只能用来评价二分类
AUC非常适合评价样本不平衡中的分类器性能
五、案例
- 获取数据:读取的时候加上names
- 数据处理:处理缺失值
- 数据集划分
- 特征工程:无量纲化处理——标准化
- 逻辑回归预估器
- 模型评估
import pandas as pd
import numpy as np
# 1、读取数据
path = "https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data"
column_name = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin',
'Normal Nucleoli', 'Mitoses', 'Class']
data = pd.read_csv(path,names = column_name)
# 2、缺失值处理
# 1)替换—>np.nan
data = data.replace(to_replace="?", value=np.NaN)
# 2)删除缺失文本
data = data.dropna(inplace = True)
data.isnull().any() # 说明不存在缺失值
# 3、划分数据集
from sklearn.model_selection import train_test_split
# 筛选特征值和目标值
x = data.iloc[:, 1:10]
y = data["Class"]
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
# 4、特征工程(标准化)
from sklearn.preprocessing import StandardScaler
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 5.机器学习(逻辑回归)
from sklearn.linear_model import LogisticRegression
estimator = LogisticRegression()
estimator.fit(x_train, y_train)
# 6、逻辑回归的模型参数:回归系数和偏置
print('回归系数:\n',estimator.coef_)
print('偏置:\n',estimator.intercept_)
# 7.模型评估
y_predict = estimator.predict(x_test)
print('预测结果:\n',y_predict)
score = estimator.score(x_test, y_test)
print('准确率:\n',score)
# 8、查看精确率、召回率、F1-score
from sklearn.metrics import classification_report
report = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])
print(report)
# 9、查看AUC指标
# 要求 y_true:每个样本的真实类别,必须为0(反例),1(正例)标记
y_true = np.where(y_test > 3,1,0)
from sklearn.metrics import roc_auc_score
rascore = roc_auc_score(y_true,y_predict)
print('AUC指标:\n',rascore)
运行结果:
# jupyter中显示
LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
intercept_scaling=1, l1_ratio=None, max_iter=100,
multi_class='auto', n_jobs=None, penalty='l2',
random_state=None, solver='lbfgs', tol=0.0001, verbose=0,
warm_start=False)
回归系数:
[[1.19777169 0.10877967 0.73209957 0.60323232 0.12122898 1.48162508
0.75112762 0.79980762 0.82133788]]
偏置:
[-1.0749105]
预测结果:
[2 4 4 2 2 2 2 2 2 2 2 2 2 4 2 2 4 4 4 2 4 2 4 4 4 2 4 2 2 2 2 2 4 2 2 2 4
2 2 2 2 4 2 4 4 4 4 2 4 4 2 2 2 2 2 4 2 2 2 2 4 4 4 4 2 4 2 2 4 2 2 2 2 4
2 2 2 2 2 2 4 4 4 2 4 4 4 4 2 2 2 4 2 4 2 2 2 2 2 2 4 2 2 4 2 2 4 2 4 4 2
2 2 2 4 2 2 2 2 2 2 4 2 4 2 2 2 4 2 4 2 2 2 4 2 2 2 2 2 2 2 2 2 2 2 4 2 4
2 2 4 4 4 2 2 4 4 2 4 4 2 2 2 2 2 4 4 2 2 2 4]
准确率:
0.9766081871345029
# 精确率 召回率 样本结果
precision recall f1-score support
良性 0.98 0.98 0.98 111
恶性 0.97 0.97 0.97 60
accuracy 0.98 171
macro avg 0.97 0.97 0.97 171
weighted avg 0.98 0.98 0.98 171
AUC指标:
0.9743243243243243