logistic回归分析python实现_Logistic回归模型和Python实现

回归分析是研究变量之间定量关系的一种统计学方法，具有广泛的应用。

Logistic回归模型

线性回归

先从线性回归模型开始，线性回归是最基本的回归模型，它使用线性函数描述两个变量之间的关系，将连续或离散的自变量映射到连续的实数域。

模型数学形式：

引入损失函数(loss function，也称为错误函数)描述模型拟合程度:

使J(w)最小，求解优化问题得到最佳参数。

Logistic回归

logistic回归(Logistic regression 或 logit regression)有时也被译为"逻辑回归"，不过它和"逻辑"并没有太大关系应该只是音译。从内容来讲，它最合适的名字应该是logit回归。

logistic回归模型更多的被用于概率分类器中。线性回归将自变量映射到连续的实数，在很多情况下因变量的取值是在有限的区间中的，最常见的如概率问题的0-1区间。

Sigmod函数提供了一个从实数域到(0,1)的映射：

该函数如图：

以数学形式给出把线性模型映射到0-1的方式：

逆变换：

这个变换被称为logit变换，或许就是该模型名字的来源。

logistic回归通常被用做概率分类器，以p=0.5作为分解线。

求解规划模型

最小二乘法

最小二乘法通过数学推导得到全局最优解的表达式，是一种完全数学描述的方法，直接给出求解公式。

最小二乘法可以得到全局最优解，但是因涉及超大矩阵的求逆运算而难以求解。

梯度下降(上升)法:

梯度下降法是一种典型的贪心算法，它从任意一组参数开始，向着使目标函数最小的方向调整参数，直至无法使目标函数继续下降时，停止计算。

多元函数微积分中, 梯度指向函数值变化最快方向的向量. 梯度下降法无法保证的得到全局最优解

梯度下降法有批量梯度下降法和随机梯度下降法两种实现方法。

批量梯度下降(上升)法(Batch Gradient Descent/Ascent)

批量梯度下降法的算法流程：

初始化回归系数为1

重复执行直至收敛 ｛

计算整个数据集的梯度

按照递推公式更新回归梯度

｝

返回最优回归系数值

将损失函数J(w)求偏导，得到J(w)的梯度。以矩阵形式给出：

alpha是下降步长，由迭代公式：

随机梯度下降(上升)法(stochastic gradient Descent/Ascent)

随机梯度下降法的算法流程:

初始化回归系数为1

重复执行直至收敛 ｛

对每一个训练样本｛

计算样本的梯度

按照递推公式更新回归梯度

｝

｝

返回最优回归系数值

为了加快收敛速度，做出两个改进：

(1)在每次迭代时，调整更新步长alpha的值。随着迭代的进行，alpha越来越小

(2)每次迭代改变样本的顺序,也就是随机选择样本来更新回归系数

Logistic 回归的实现

训练数据testSet.txt,包含m行n+1列：

m行代表m条数据，每条数据前n列代表n个样本，第n+1列代表分类标签(0或1)。

Python:

分类器被封装在类中：

from numpy import *

import matplotlib.pyplot as plt

def sigmoid(X):

return 1.0/(1+exp(-X))

class logRegressClassifier(object):

def __init__(self):

self.dataMat = list()

self.labelMat = list()

self.weights = list()

def loadDataSet(self, filename):

fr = open(filename)

for line in fr.readlines():

lineArr = line.strip().split()

dataLine = [1.0]

for i in lineArr:

dataLine.append(float(i))

label = dataLine.pop() # pop the last column referring to label

self.dataMat.append(dataLine)

self.labelMat.append(int(label))

self.dataMat = mat(self.dataMat)

self.labelMat = mat(self.labelMat).transpose()

def train(self):

self.weights = self.stocGradAscent1()

def batchGradAscent(self):

m,n = shape(self.dataMat)

alpha = 0.001

maxCycles = 500

weights = ones((n,1))

for k in range(maxCycles): #heavy on matrix operations

h = sigmoid(self.dataMat * weights) #matrix mult

error = (self.labelMat - h) #vector subtraction

weights += alpha * self.dataMat.transpose() * error #matrix mult

return weights

def stocGradAscent1(self):

m,n = shape(self.dataMat)

alpha = 0.01

weights = ones((n,1)) #initialize to all ones

for i in range(m):

h = sigmoid(sum(self.dataMat[i] * weights))

error = self.labelMat[i] - h

weights += (alpha * error * self.dataMat[i]).transpose()

return weights

def stocGradAscent2(self):

numIter = 2

m,n = shape(self.dataMat)

weights = ones((n,1)) #initialize to all ones

for j in range(numIter):

dataIndex = range(m)

for i in range(m):

alpha = 4/(1.0+j+i)+0.0001 #apha decreases with iteration, does not

randIndex = int(random.uniform(0,len(dataIndex)))#go to 0 because of the constant

h = sigmoid( sum(self.dataMat[randIndex] * weights) )

error = self.labelMat[randIndex] - h

weights += (alpha * error * self.dataMat[randIndex]).transpose()

del(dataIndex[randIndex])

return weights

def classify(self, X):

prob = sigmoid(sum( X * self.weights))

if prob > 0.5:

return 1.0

else:

return 0.0

def test(self):

self.loadDataSet('testData.dat')

weights0 = self.batchGradAscent()

weights1 = self.stocGradAscent1()

weights2 = self.stocGradAscent2()

print('batchGradAscent:', weights0)

print('stocGradAscent0:', weights1)

print('stocGradAscent1:', weights2)

if __name__ == '__main__':

lr = logRegressClassifier()

lr.test()

Matlab

上述Python代码用Matlab实现并不难(只是需要拆掉类封装)，只是Matlab的广义线性模型工具箱提供了Logistic模型的实现。

trainData = [0 1; -1 0; 2 2; 3 3; -2 -1;-4.5 -4; 2 -1; -1 -3];

group = [1 1 0 0 1 1 0 0]';

testData = [5 2;3 1;-4 -3];

[testNum, attrNum] = size(testData);

testData2 = [ones(testNum,1), testData];

B = glmfit(trainData, [group ones(size(group))],'binomial', 'link', 'logit')

p = 1.0 ./ (1 + exp(- testData2 * B))

B = glmfit(X, [Y N],'binomial', 'link', 'logit')

X参数为特征行向量组， Y为代表预先分组的列向量,N是一个与Y同型的向量，Y(i)的在[0 N(i)]范围内取值。

B为[1, x1, x2,...]的系数，测试数据的第一列被加上了1。

p = 1.0 ./ (1 + exp(- testData2 * B))

代入sigmoid函数求解。