一 逻辑回归基本概念
逻辑回归实际上是利用sigmoid函数将线性回归进行了归一化,把输出值压缩到了 0-1之间,这个值代表的是事件发生的概率。
逻辑回归其实通常是用来做分类器的,基础概念可以参考:
线性回归 逻辑回归(logistic)
二 sklearn逻辑回归
使用sklearn中的库,一般使用逻辑回归器,但是这毕竟是一个起源于线性回归器,所以导包的时候还是线性模型中的一个模型。
- 首先,倒入包:
from sklearn.linear_model import LogisticRegression
- 创建模型:
lr = LogisticRegression(C=1.0, penalty='l2', tol=0.1)
模型中的参数介绍参考 - 拟合模型:
lr.fit(X_train, y_train)
- 模型的预测值:
lr.predict(输入数据)
三 简单实例
1. 乳腺的案例
参考博客
自己完整的代码以及解析:
import pandas as pd
import numpy as np
'''
逻辑回归是分类模型
逻辑回归实际上是利用sigmoid函数将线性回归进行了归一化,把输出值压缩到了0-1之间,这个值代表的是事件发生的概率
逻辑回归:https://www.jianshu.com/p/e51e92a01a9c有参数介绍很详细,有具体的例子。
'''
column_names = ['Sample code number','Clump Thickness','Uniformity of Cell Size','Uniformity of Cell Shape','Marginal Adhesion','Single Epithelial Cell Size','Bare Nuclei','Bland Chromatin','Normal Nucleoli','Mitoses','Class']
# 一共11列
data=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin//breast-cancer-wisconsin.data',
names=column_names) # 读取数据 shape是(699, 11)
# print(data.shape) # (699, 11)
# print(data.head())
data = data.replace(to_replace="?",value=np.nan) # 把字符串中的 old(旧字符串) 替换成 new(新字符串)
# 非法字符的替代
data=data.dropna(how='any') # 去掉空值,any:出现空值行则删除
# print(data.head())
# 划分数据
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(data[column_names[1:10]],data[column_names[10]],test_size=0.25,random_state=5)
# 前10列为特征,按照随机种子5以及比例0.25切分为X_train,X_test
# 最后的一列为分类结果,按照随机种子5以及比例0.25切分为y_train,y_test
# 随机种子表示切分结果每次一样
# 使用逻辑回归预测
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
# 特征缩放:https://blog.csdn.net/BeforeEasy/article/details/89284236
# 特征缩放两种方式:调节比例以及标准化。逻辑回归以及SVM中常用标准化的方式。减去均值,除以方差
ss = StandardScaler() # 标准化数据,保证每个维度的特征方差为1,均值为0 ,
# 使得预测结果不会被某些维度过大的特征主导
# 作用:去均值和方差归一化 ,StandardScaler对每列分别标准化
X_train = ss.fit_transform(X_train)
X_test = ss.fit_transform(X_test)
lr = LogisticRegression(C=1.0, penalty='l2', tol=0.1)
lr.fit(X_train, y_train) # 使用标准化之后的数据来训练 让回归器去拟合数据
lr_predict = lr.predict(X_test) # 预测结果
# 结果分析
from sklearn.metrics import accuracy_score
print("预测结果为:{}".format(lr.score(X_test, y_test))) # 可以使用自带的score计算分数
# lr.score(x_test,y_test)为啥里面是测试数据,而不是预测数据???lr是已经建立的模型,我们需要用测试数据检验这个模型好不好。
print("预测结果为:{}".format(accuracy_score(y_test, lr_predict))) # 也可以使用accuary_score来计算准确度
'''
结果:
使用l1正则化:
预测结果为:0.9766081871345029
预测结果为:0.9766081871345029
使用l2正则化:
预测结果为:0.9883040935672515
预测结果为:0.9883040935672515
'''
逻辑回归往往需要先对特征进行缩放,防止你的某个特征的值过大,影响最终的结果。特征缩放往往有两终方式:调节比例和标准化,这里标准化直接调用函数就可以了:
导包:from sklearn.preprocessing import StandardScaler
调用函数:ss = StandardScaler()
X_train = ss.fit_transform(X_train)
另外介绍了两种,计算准确率的方法。具体看代码,以及代码后面的备注。
2. 纸鸢花的分类
参考博客
直接看代码吧…和上一个例子很像。
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn import linear_model, datasets
# 加载数据
iris = datasets.load_iris()
# print(iris.shape) # 报错,因为这只是加载数据,不仅加载数据还加载了特征名字等等,所以没有shape
# print(iris.DESCR) # describe描述数据,数据一共150个,每个类别50个,一共3个类别,特征有4个,最后一列是分类
# 无论任何数据总是有两部分,特征部分data,以及目标结果部分target
X = iris.data[:, :2] # 使用前两个特征 shape(150, 2)
y = iris.target # (150,)
# print(X.shape) # 取走数据以后,才会有shape
# print(y.shape)
# 切分数据
X_train ,X_test, Y_train, Y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 标准化
from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.fit_transform(X_test)
# 训练逻辑回归
lr = linear_model.LogisticRegression(C=1e4)
lr.fit(X_train,Y_train)
# 预测
lr_pred = lr.predict(X_test)
# 计算损失
acc = lr.score(X_test,Y_test)
print(acc)
'''
结果:
0.7111111111111111
'''