回归 好坏 机器学习_入门‘机器学习’之‘逻辑回归分类’

一、知识点

什么是特征和标签？

特征是数据的属性、特点

标签是对数据的（预测结果）评定

以某个人对歌曲的评价举例：

训练数据和测试数据分别用来做什么？

一般做预测分析时，会将数据分为两大部分。一部分是训练数据（Test Data），用于构建模型，一部分是测试数据（Test Data），用于检验模型。但是，有时候模型的构建过程中也需要检验模型，辅助模型构建，所以会将训练数据在分为两个部分：1）训练数据；2）验证数据（Validation Data）。验证数据用于负责模型的构建。具体的是：

训练数据：用于模型构建；

验证数据：可选，用于辅助模型构建，可以重复使用；

测试数据：用于检测模型构建，此数据只在模型检验时使用，用于评估模型的准确率。绝对不允许用于模型构建过程，否则会导致过渡拟合。

通常从数据集中抽取80%的数据为训练数据，另外20%的数据为测试数据。

什么是决策面？

机器学习在解决分类问题时会定义一个决策面，决策面通常会位于不同类之间的某个位置上，当有新数据输入时，以决策面为边界，可以判断新数据属于哪个分类。

如何判断分类结果的准确性？

通常使用正确率这个指标来衡量机器模型的好坏，正确率可以通过测试数据集得到，正确率是指给模型输入数据以后，模型预测的结果中，正确分类的数据个数占测试数据集中所有数据集的比率。

什么是逻辑回归？

逻辑回归是一种分类算法，不是一种回归算法，确切地说，逻辑回归是一种二分分类算法

使用线性回归无法解绝二分分类问题，如下图：

逻辑回归的核心是逻辑函数

上图中的参数z为回归函数

逻辑函数所表示的意思为：

在机器学习模型中，分类问题的本质是将训练数据的特征和标签转化为一个决策面，逻辑回归函数得到概率值之后，通过决策面将概率值映射到标签为0或1上，如果逻辑函数的道德概率值大于等于0.5，则标签为1；如果逻辑函数的道德概率值小于0.5，则标签为0

如何用Python实现逻辑回归？

提取特征和标签

建立训练数据和测试数据

使用训练数据，建立训练模型

评估模型准确率

计算通过考试的概率

逻辑函数的过程

3种数据分类

分类与回归的区别

知识点

二、逻辑回归分类案例实操

1. 建立数据集

2. 提取特征和标签

3. 绘制散点图

4. 建立训练数据集和测试数据集

train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取训练数据（train）和测试数据（test）
第一个参数：所要划分的样本特征
第2个参数：所要划分的样本标签
train_size：训练数据占比，如果是整数的话就是样本的数量
sklearn包0.8版本以后，需要将之前的sklearn.cross_validation 换成sklearn.model_selection
所以课程中的代码from sklearn.cross_validation import train_test_split
更新为下面的代码from sklearn.model_selection import train_test_split

5. 训练模型（使用训练数据）

sklearn要求输入的特征必须是二维数组的类型，但是因为我们目前只有1个特征，所以需要用安装错误提示用reshape转行成二维数组的类型。

错误提示信息：Reshape your data either using array.reshape(-1, 1) if your data has a single feature

6. 模型评估（使用测试数据）

7. 进一步理解什么是逻辑函数