机器学习（算法篇） —— 逻辑回归

逻辑回归介绍

逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归，但是它与回归之间有一定的联系。由于算法的简单和高效，在实际中应用非常广泛。

逻辑回归的应用场景

广告点击率
是否为垃圾邮件
是否患病
金融诈骗
虚假账号

看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器。

逻辑回归的原理

要想掌握逻辑回归，必须掌握两点：

1. ​ 逻辑回归中，其输入值是什么
2. 如何判断逻辑回归的输出

1、输入：

逻辑回归的输入就是一个线性回归的结果。

2、激活函数

sigmoid函数

判断标准:

1. 回归的结果输入到sigmoid函数当中
2. 输出结果：[0, 1]区间中的一个概率值，默认为0.5为阈值

输出结果解释(重要)：假设有两个类别A，B，并且假设我们的概率值为属于A(1)这个类别的概率值。现在有一个样本的输入到逻辑回归输出结果0.6，那么这个概率值超过0.5，意味着我们训练或者预测的结果就是A(1)类别。那么反之，如果得出结果为0.3那么，训练或者预测结果就为B(0)类别。

所以接下来我们回忆之前的线性回归预测结果我们用均方误差衡量，那如果对于逻辑回归，我们预测的结果不对该怎么去衡量这个损失呢？我们来看这样一张图

损失以及优化

1、损失

逻辑回归的损失，称之为对数似然损失，公式如下：

怎么理解单个的式子呢？这个要根据log的函数图像来理解

综合完整损失函数：
接下来我们呢就带入上面那个例子来计算一遍，就能理解意义了。

逻辑回归api介绍

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

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)

案例：癌症分类预测-良／恶性乳腺癌肿瘤预测

原始数据的下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/

数据描述：

（1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤

相关的医学特征，最后一列表示肿瘤类型的数值。

（2）包含16个缺失值，用”?”标出。

1、分析

1.获取数据
2.基本数据处理
2.1 缺失值处理
2.2 确定特征值,目标值
2.3 分割数据
3.特征工程(标准化)
4.机器学习(逻辑回归)
5.模型评估

2、代码

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression

pd.set_option('display.max_columns',None)
pd.set_option('display.max_rows',None)
pd.set_option('display.width',10000)

# 数据获取
names = ['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("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
                 names=names  )

# 数据预处理
data =data.replace(to_replace="?",value=np.NaN)
data = data.dropna()
x = data.iloc[:,1:-1]
y = data["Class"]


x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=2,test_size=0.2)


# 特征工程（标准化）
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)


# 机器学习
estimator = LogisticRegression()
estimator.fit(x_train,y_train)

# 模型评估
y_predict = estimator.predict(x_test)

print(y_test)
print(y_predict)
print(estimator.score(x_test,y_test))