线性回归/逻辑回归与非线性回归应用评价

（一）logistic函数：逻辑回归本质上是一种线性回归

python：3.6

os：mac os x

参考：数据分析与挖掘实战，炼数成金

LOGISTIC是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。 Logistics回归模型中因变量只有1-0,两种取值。

逻辑回归建模步骤：

• 根据分析目的设置特征
• 筛选特征
• 列出回归方程，估计回归系数
• 模型检验与评价
• 模型应用

银行用户违约数据分析：

需要用到sklearn包里面的logistic回归模块以及随机逻辑回归模块

数据集包括9个字段，违约列作为自变量y，[700 rows x 9 columns]：

在利用Scikit-Learn对数据进行逻辑回归之前,首先进行特征筛选,特征选择是模型成功的基础性重要工作,

主要包含在Scikit-Learn的feature-selection库中，筛选出来的变量，说明和结果具有比较强的线性相关性

一般特征筛选方法有

(1)看模型系数显著性（F值大、P值小）

通过F检验（f_regression）来给出各个特征的F值个P值，从而可以筛选变量（F值偏大P值小的特征）。以下为利用稳定性选择随机逻辑回归进行特征筛选，然后利用筛选后的特征建立逻辑回归模型，输出平均正确率：（rlr回归阈值（selection_threshold=0.25））

(2)递归特征消除：反复构建模型，根据变量系数选择最好特征，然后再递归在剩余变量上重复该过程，直到遍历所有特征。特征被挑选出顺序就是特征重要性排序顺序。
(3)稳定性选择:在不同特征子集、数据子集上运行算法，不断重复，最终汇总特征选择结果。统计，各个特征被认为是重要性特征的频率作为其重要性得分(被选为重要特征次数除以它所在子集被测试次数)。

 

筛选后的特征包括：

 建立logistic回归并打印平均正确率：

筛选后的自变量对因变量的解释达到81%（拟合优度R2）！决定系数（拟合优度）反应了y的波动有多少百分比能被x的波动所描述

表达式：R2=SSR/SST=1-SSE/SST

其中：SST=SSR+SSE，SST(total sum of squares)为总平方和，SSR(regression sum of squares)为回归平方和，SSE(error sum of squares) 为残差平方和。

注：（不同书命名不同）

回归平方和：SSR(Sum of Squares forregression) = ESS (explained sum of squares)

残差平方和：SSE（Sum of Squares for Error） = RSS(residual sum of squares)

总离差平方和：SST(Sum of Squares fortotal) = TSS(total sum of squares)

（二）拓展： 其他非线性回归对比评价

销售额 （x）与流通费率（y）

数据集：

原始数据散点图：

1.一元线性回归，并计算均方误差（mse和正确率）：

1 from sklearn.linear_model import LinearRegression
2 
3 linreg = LinearRegression()
4 linreg.fit(x,y)

 

MSE: 0.4942186278

Variance score: 0.80

拟合优度达到80%，但误差太大,拟合图如下：

2.多项式模型，方程为y=a+bx+cx^2

 注意x1属于传址！

x1=x
x2=x**2
x1['x2']=x2

linreg = LinearRegression()
linreg.fit(x1,y)

 

 

拟合度达到95%，均方误差为0.12，比直线拟合的更好！

3.对数模型，方程为y=a+b logx

x2=pd.DataFrame(np.log(x[0]))#将x取对数

linreg = LinearRegression()
linreg.fit(x2,y)

# The coefficients
print('Coefficients: \n', linreg.coef_)

y_pred = linreg.predict(x2)
# The mean square error
print "MSE:",metrics.mean_squared_error(y,y_pred)
print('Variance score: %.2f' % linreg.score(x2,y))

Coefficients:  [[-1.75683848]]
MSE:                 0.0355123571858
Variance score: 0.99
拟合度更高，均方误差比上面模型都小。如下图


4,指数模型，y=ae^bx

 1 #指数
 2 y2=pd.DataFrame(np.log(y))
 3 
 4 linreg = LinearRegression()
 5 linreg.fit(pd.DataFrame(x[0]),y2)
 6 
 7 # The coefficients
 8 print('Coefficients: \n', linreg.coef_)
 9 
10 y_pred = linreg.predict(pd.DataFrame(x[0]))
11 # The mean square error
12 print "MSE:",metrics.mean_squared_error(y2,y_pred)
13 print('Variance score: %.2f' % linreg.score(pd.DataFrame(x[0]),y2))

Coefficients: 
 [[-0.04880874]]
MSE: 0.0147484198861
Variance score: 0.92
拟合优度稍有降低，但仍然有92%，并且均方误差降低了，拟合图如下：

5.幂函数模型，方程为：y=ax^b

 1 linreg = LinearRegression()
 2 linreg.fit(x2,y2)
 3 
 4 # The coefficients
 5 print('Coefficients: \n', linreg.coef_)
 6 
 7 y_pred = linreg.predict(x2)
 8 # The mean square error
 9 print "MSE:",metrics.mean_squared_error(y2,y_pred)
10 print('Variance score: %.2f' % linreg.score(x2, y2))

Coefficients: 
 [[-0.47242789]]
MSE: 0.00108621015916
Variance score: 0.99
拟合优度高达99%，误差极低，是各种模型中拟合最好的！

 

 总结：通过几种常见模型的拟合实验，幂函数法为最优，可决系数极高，均方误差不到2%， 可认为该数据成幂函数关系！

其中，1，注意变量传址的区别（大坑）

           2，画图的时候注意数据传入的不同！

 

完整代码以及数据文件请到我的git主页下载：

https://github.com/nashgame/DataScience/tree/master/notebook

 

 

转载于:https://www.cnblogs.com/daliner/p/9887635.html