机器学习实战代码-逻辑回归
前文:此文为本人的学习记录,前段时间结合西瓜书和机器学习实战两本书初步学习十大经典算法。最近因为阿里云天池的龙珠训练营课程需要做笔记,所以把用到的逻辑回归算法的代码顺便上传一下。机器学习实战代码-python3.6。
注:代码是在python3.6下进行的,并结合了个人习惯,对机器学习实战一书中的代码进行了轻微改动。
一、参数更新公式推导
公式推导主要借鉴了西瓜书以及此文(链接: Logistic回归基础篇之梯度上升算法),这是我第一次发CSDN,所以我就简单发个我手写的吧哈哈哈(看不太懂的时候可以看看链接文章)。字丑且随意,见谅。
二、代码
1、梯度上升优化参数
这里就是一些很常规的东西啦。唯独需要注意的是参数更新时利用的是全部的数据集,其实本质就是批量梯度下降(BGD)(可以看一下此文:三种原始梯度下降方法)
"""
@author: shencx
@time: 2021/6/28 0028 下午 7:32
@desc: 机器学习实战第五章-逻辑回归。代码基本一致,存在小的改动。注意,逻辑回归属于分类技术。
"""
from numpy import *
import matplotlib.pyplot as plt
def loadDataSet():
data = []
label = []
fr = open('testSet.txt')
for lines in fr.readlines():
line = lines.strip().split()
data.append([1.0, float(line[0]), float(line[1])])
label.append(int(line[2]))
fr.close()
return data, label
def sigmoid(inx):
if inx >= 0:
return 1.0 / (1 + exp(-inx))
else:
return exp(inx) / (1 + exp(inx)) # 为了防止发生溢出(提示Runtimewarning)
def gradient(dataIn, labelIn):
dataMatrix = mat(dataIn)
labelMatrix = mat(labelIn).transpose()
alpha = 0.001
cycles = 500
_, n = dataMatrix.shape
weights = ones((n, 1))
for cy in range(cycles):
pre = sigmoid(dataMatrix * weights)
error = labelMatrix - pre
weights = weights + alpha * dataMatrix.transpose() * error # 同上一行共同形成梯度更新的公式,公式推导利用了最大似然估计和梯度上升。
return weights # 整体采用了批量法,权重的更新利用向量形式同步进行。
def plotBestFit(weights):
dataMat, labelMat = loadDataSet()
#dataMat = array(dataMat)
n = array(dataMat).shape[0]
xc1, yc1, xc2, yc2 = [], [], [], []
for i in range(n):
if int(labelMat[i]) == 1:
xc1.append(dataMat[i][1]) # 可以用array形式,[][]或[,]来提取对应数值均可。
yc1.append(dataMat[i][2])
else:
xc2.append(dataMat[i][1])
yc2.append(dataMat[i][2])
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(xc1, yc1, c='y', s=20)
ax.scatter(xc2, yc2, c='b', s=20)
x = arange(-3, 3, 0.1)
y = (-weights[0] - weights[1]*x)/weights[2] # 此处的y并不是输出,此行代码描绘的最佳分割线,是基于0=WX得到的。从下方所命名的横纵标题也可以看出
y = y.transpose()
ax.plot(x, y)
plt.xlabel('x1')
plt.ylabel('x2')
plt.show()
2、随机梯度上升及其改进
随机梯度上升(本质也就是SGD(随机梯度下降))就是每次选择一个样本进行参数更新,当然它的优缺点请看上个链接文章,他们写的更全更准确。
def stroGradient(InData, InLabel):
InData1 = array(InData)
m, n = InData1.shape
alpha = 0.01 # 学习率设为0.001时效果很差
weights = ones(n)
for i in range(m):
h = sigmoid(sum(InData1[i] * weights))
error = InLabel[i] - h
weights = weights + alpha * InData1[i] * error
return weights
def stroGradientIm(Datain, Labelin, numInter=150):
Datain1 = array(Datain)
m, n = Datain1.shape
weights = ones(n)
for j in range(numInter):
dataIndex = m
for i in range(m):
alpha = 4/(1 + j + i) + 0.01
index = int(random.uniform(0, dataIndex)) # 原文使用了len(dataIndex),但对原文中以dataIndex=range(m)和del来实现的目的并不清楚。因为整个dataIndex只是用来生成随机数的上限。
h = sigmoid(sum(Datain1[index] * weights))
error = Labelin[index] - h
weights = weights + alpha * error * Datain1[index]
dataIndex -= 1
return weights
3、实例分析
这里用到了马疝病数据集。另外,上边只展示了如何得到逻辑回归模型的参数,那么如何使用逻辑回归模型在本处代码进行了展示。
# 马疝病数据集
def classify(inx, weights):
pre = sigmoid(sum(inx * weights))
if pre > 0.5:
return 1.0
else:
return 0.0
def TestColic():
FrTrain = open('horseColicTraining.txt')
FrTest = open('horseColicTest.txt')
# 进入训练阶段,获取最佳回归参数
TrainSet = []
TrainLabel = []
for line in FrTrain.readlines(): # 这种方式不容易出错,但是似乎有更简便的方法。
curLine = line.strip().split('\t') # 这时已经是列表类型,内部应该是字符串格式。readlines返回的是列表,方便遍历。
lineArr = []
for i in range(len(curLine)):
lineArr.append(float(curLine[i])) # 不转还是字符串格式,无法进行计算。而且代码中多个变量以及数据本身都是浮点型,同时涉及混合计算,所以转成浮点型更合适。
TrainSet.append(lineArr)
TrainLabel.append(float(curLine[-1]))
TrainWeight = stroGradientIm(TrainSet, TrainLabel, 500)
# 进入测试阶段
error_num = 0
sam_num = 0
for line in FrTest.readlines(): # 样本逐个进行测试
sam_num += 1
curLine = line.strip().split('\t')
lineArr = []
for i in range(len(curLine)):
lineArr.append(float(curLine[i]))
pre_label = classify(lineArr, TrainWeight)
if int(pre_label) != int(curLine[-1]):
error_num += 1
error_rate = float(error_num/sam_num)
print('the error rate of the test dataset is {}'.format(error_rate))
return error_rate
def MulTest():
num_iter = 10
error_sum = 0
for i in range(num_iter):
error_sum += TestColic()
print('after {} iterations, the average error rate is {}'.format(num_iter, error_sum/float(num_iter))) # error_sum是浮点型
if __name__ == '__main__':
data, label = loadDataSet() # 返回的是列表类型,后边计算都是mat矩阵或者是numpy数组
# weight = stroGradient(data, label)
weight = stroGradientIm(data, label, numInter=150)
# weight = gradient(data, label)
plotBestFit(weight)
# MulTest() # 测试结果与书内并不一致,未找到原因
4、题外话
我想能够看到这篇文章的朋友大多是刚开始机器学习,在这里衷心希望如果朋友你真的对机器学习以及深度学习有兴趣,并且未来希望从事该行业,还是要自己推导公式,多敲一些代码。虽然现在有很多的库,但是只有真正从底层做起,才能真正理解这些算法的精妙之处,也才能灵活的、最大化的利用它们。好吧,其实我也才研三哈哈哈哈哈。我也在虚心学习。这是我的第一个CSDN文章,也是写着玩的,但是是用心的。