Python基于逻辑回归的L1正则化(Lasso Logistic Regression)进行分类数据的特征选择项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

可以使用Lasso回归进行特征选择，尽管它本质上是一个用于回归问题的技术，但通过一些调整，也可以应用于分类问题，尤其是二分类问题。Lasso（Least Absolute Shrinkage and Selection Operator）通过在损失函数中加入L1正则化项来促使模型的系数稀疏化，从而实现特征选择。对于分类任务，通常会结合逻辑回归（Logistic Regression）的思想，这被称为Lasso Logistic Regression或者Logistic Lasso。

本项目通过逻辑回归的L1正则化(Lasso Logistic Regression)进行分类数据的特征选择。     

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

编号	变量名称	描述
1	x1
2	x2
3	x3
4	x4
5	x5
6	x6
7	x7
8	x8
9	x9
10	x10
11	y	因变量

数据详情如下(部分展示)：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据： 

关键代码：

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息：

从上图可以看到，总共有11个变量，数据中无缺失值，共2000条数据。

关键代码： 

3.3数据描述性统计

通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

关键代码如下：  

4.探索性数据分析

4.1 y变量柱状图

用Matplotlib工具的plot()方法绘制柱状图：

4.2 y=1样本x1变量分布直方图

用Matplotlib工具的hist()方法绘制直方图：

4.3 相关性分析

从上图中可以看到，数值越大相关性越强，正值是正相关、负值是负相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下：

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分，关键代码如下：

5.3 数据的归一化

关键代码如下：

6.构建特征选择模型 

主要使用逻辑回归的L1正则化(Lasso Logistic Regression)进行分类数据的特征选择。   

6.1 构建模型 

编号	模型名称	参数
1	特征选择模型	penalty='l1'
2		solver='liblinear'
3		C=0.1

7.特征选择

7.1特征系数结果

模型名称	特征名称	系数值
特征选择模型	x1	0
	x2	9.60022787
	x3	-1.005445
	x4	0
	x5	0
	x6	0
	x7	0
	x8	0
	x9	0
	x10	0

7.2特征选择结果

结果展示如下：

8.结论与展望

综上所述，本文采用了逻辑回归的L1正则化(Lasso Logistic Regression)进行分类数据的特征选择，最终证明了我们提出的模型效果良好。此模型可用于日常产品的建设。