机器学习篇-逻辑回归的分类预测

爱编程的西瓜

已于 2022-05-31 10:07:57 修改

阅读量5.1k

点赞数 2

分类专栏： # 机器学习文章标签： python 机器学习

于 2022-04-14 11:46:01 首次发布

本文链接：https://blog.csdn.net/weixin_44122303/article/details/124167265

版权

机器学习专栏收录该内容

8 篇文章 1 订阅

订阅专栏

机器学习篇-逻辑回归的分类预测

1 逻辑回归的介绍和应用

1.1 逻辑回归的介绍

逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。

而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。

逻辑回归模型的优劣势:

优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；
缺点：容易欠拟合，分类精度可能不高

1.2 逻辑回归的应用

逻辑回归模型广泛用于各个领域，包括机器学习，大多数医学领域和社会科学。例如，最初由Boyd 等人开发的创伤和损伤严重度评分（TRISS）被广泛用于预测受伤患者的死亡率，使用逻辑回归基于观察到的患者特征（年龄，性别，体重指数,各种血液检查的结果等）分析预测发生特定疾病（例如糖尿病，冠心病）的风险。逻辑回归模型也用于预测在给定的过程中，系统或产品的故障的可能性。还用于市场营销应用程序，例如预测客户购买产品或中止订购的倾向等。在经济学中它可以用来预测一个人选择进入劳动力市场的可能性，而商业应用则可以用来预测房主拖欠抵押贷款的可能性。条件随机字段是逻辑回归到顺序数据的扩展，用于自然语言处理。

逻辑回归模型现在同样是很多分类算法的基础组件,比如分类任务中基于GBDT算法+LR逻辑回归实现的信用卡交易反欺诈，CTR(点击通过率)预估等，其好处在于输出值自然地落在0到1之间，并且有概率意义。模型清晰，有对应的概率学理论基础。它拟合出来的参数就代表了每一个特征(feature)对结果的影响。也是一个理解数据的好工具。但同时由于其本质上是一个线性的分类器，所以不能应对较为复杂的数据情况。很多时候我们也会拿逻辑回归模型去做一些任务尝试的基线（基础水平）。

说了这些逻辑回归的概念和应用，大家应该已经对其有所期待了吧，那么我们现在开始吧！！！

2 学习目标

了解逻辑回归的理论
掌握逻辑回归的 sklearn 函数调用使用并将其运用到鸢尾花数据集预测

3 代码流程

基于鸢尾花（iris）数据集的逻辑回归分类实践
Step1:库函数导入
Step2:数据读取/载入
Step3:数据信息简单查看
Step4:可视化描述
Step5:利用逻辑回归模型在二分类上进行训练和预测
Step5:利用逻辑回归模型在三分类(多分类)上进行训练和预测

4 基于鸢尾花（iris）数据集的逻辑回归分类实践

在实践的最开始，我们首先需要导入一些基础的函数库包括：numpy （Python进行科学计算的基础软件包），pandas（pandas是一种快速，强大，灵活且易于使用的开源数据分析和处理工具），matplotlib和seaborn绘图。

Step1：库函数的导入

##  基础函数库
import numpy as np 
import pandas as pd

## 绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns

本次我们选择鸢花数据（iris）进行方法的尝试训练，该数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为花的类别其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征，分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm)，这些形态特征在过去被用来识别物种。

在这里插入图片描述

Step2：数据读取/载入

## 我们利用 sklearn 中自带的 iris 数据作为数据载入，并利用Pandas转化为DataFrame格式
from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式

Step3：数据信息简单查看

## 利用.info()查看数据的整体信息
iris_features.info()

在这里插入图片描述

进行简单的数据查看，我们可以利用 .head() 头部.tail()尾部

## 进行简单的数据查看，我们可以利用 .head() 头部.tail()尾部
iris_features.head()

在这里插入图片描述


## 其对应的类别标签为，其中0，1，2分别代表'setosa', 'versicolor', 'virginica'三种不同花的类别。
iris_target

在这里插入图片描述


## 利用value_counts函数查看每个类别数量
pd.Series(iris_target).value_counts()

在这里插入图片描述

## 对于特征进行一些统计描述
iris_features.describe()

在这里插入图片描述

Step4:可视化描述

## 合并标签和特征信息
iris_all = iris_features.copy() ##进行浅拷贝，防止对于原始数据的修改
iris_all['target'] = iris_target
## 特征与标签组合的散点可视化
sns.pairplot(data=iris_all,diag_kind='hist', hue= 'target')#这个用来展现变量两两之间的关系，线性、非线性、相关等等
#diag_kind用来控制对角线上的图的类型，hue是针对某一字段进行分类
plt.show()

在这里插入图片描述
从上图可以发现，在2D情况下不同的特征组合对于不同类别的花的散点分布，以及大概的区分能力。

for col in iris_features.columns:
    sns.boxplot(x='target', y=col, saturation=0.5,palette='pastel', data=iris_all)
    plt.title(col)
    plt.show()

在这里插入图片描述

利用箱型图我们也可以得到不同类别在不同特征上的分布差异情况。


# 选取其前三个特征绘制三维散点图
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

iris_all_class0 = iris_all[iris_all['target']==0].values
iris_all_class1 = iris_all[iris_all['target']==1].values
iris_all_class2 = iris_all[iris_all['target']==2].values
# 'setosa'(0), 'versicolor'(1), 'virginica'(2)
ax.scatter(iris_all_class0[:,0], iris_all_class0[:,1], iris_all_class0[:,2],label='setosa')
ax.scatter(iris_all_class1[:,0], iris_all_class1[:,1], iris_all_class1[:,2],label='versicolor')
ax.scatter(iris_all_class2[:,0], iris_all_class2[:,1], iris_all_class2[:,2],label='virginica')
plt.legend()

plt.show()

在这里插入图片描述

Step5:利用逻辑回归模型在二分类上进行训练和预测


## 为了正确评估模型性能，将数据划分为训练集和测试集，并在训练集上训练模型，在测试集上验证模型性能。
from sklearn.model_selection import train_test_split

## 选择其类别为0和1的样本 （不包括类别为2的样本）
iris_features_part = iris_features.iloc[:100]
iris_target_part = iris_target[:100]

## 测试集大小为20%， 80%/20%分
x_train, x_test, y_train, y_test = train_test_split(iris_features_part, iris_target_part, test_size = 0.2, random_state = 2020)

## 从sklearn中导入逻辑回归模型
from sklearn.linear_model import LogisticRegression

## 定义 逻辑回归模型 
clf = LogisticRegression(random_state=0, solver='lbfgs')

# 在训练集上训练逻辑回归模型
clf.fit(x_train, y_train)

## 查看其对应的w,因为是4个特征值，所以有4个数字
print('the weight of Logistic Regression:',clf.coef_)

## 查看其对应的w0
print('the intercept(w0) of Logistic Regression:',clf.intercept_)

the weight of Logistic Regression: [[ 0.45181973 -0.81743611 2.14470304 0.89838607]]

the intercept(w0) of Logistic Regression: [-6.53367714]


## 在训练集和测试集上分布利用训练好的模型进行预测
train_predict = clf.predict(x_train)
test_predict = clf.predict(x_test)

from sklearn import metrics

## 利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_train,train_predict))
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_test,test_predict))

## 查看混淆矩阵 (预测值和真实值的各类情况统计矩阵)
confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test)
print('The confusion matrix result:\n',confusion_matrix_result)

# 利用热力图对于结果进行可视化
plt.figure(figsize=(8, 6))
sns.heatmap(confusion_matrix_result, annot=True, cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

The accuracy of the Logistic Regression is: 1.0

The confusion matrix result:

[[ 9 0]

[ 0 11]]
在这里插入图片描述
我们可以发现其准确度为1，代表所有的样本都预测正确了。

Step6:利用逻辑回归模型在三分类(多分类)上进行训练和预测


## 测试集大小为20%， 80%/20%分
x_train, x_test, y_train, y_test = train_test_split(iris_features, iris_target, test_size = 0.2, random_state = 2020)
## 定义 逻辑回归模型 
clf = LogisticRegression(random_state=0, solver='lbfgs')

# 在训练集上训练逻辑回归模型
clf.fit(x_train, y_train)

## 查看其对应的w
print('the weight of Logistic Regression:\n',clf.coef_)

## 查看其对应的w0
print('the intercept(w0) of Logistic Regression:\n',clf.intercept_)

## 由于这个是3分类，所有我们这里得到了三个逻辑回归模型的参数，其三个逻辑回归组合起来即可实现三分类。

the weight of Logistic Regression:

[[-0.45928925 0.83069886 -2.26606531 -0.9974398 ]

[ 0.33117319 -0.72863423 -0.06841147 -0.9871103 ]

[ 0.12811606 -0.10206463 2.33447679 1.9845501 ]]

the intercept(w0) of Logistic Regression:

[ 9.43880677 3.93047364 -13.36928041]

## 在训练集和测试集上分布利用训练好的模型进行预测
train_predict = clf.predict(x_train)
test_predict = clf.predict(x_test)

## 由于逻辑回归模型是概率预测模型（前文介绍的 p = p(y=1|x,\theta)）,所有我们可以利用 predict_proba 函数预测其概率
train_predict_proba = clf.predict_proba(x_train)
test_predict_proba = clf.predict_proba(x_test)

print('The test predict Probability of each class:\n',test_predict_proba)
## 其中第一列代表预测为0类的概率，第二列代表预测为1类的概率，第三列代表预测为2类的概率。

## 利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_train,train_predict))
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_test,test_predict))

The test predict Probability of each class:

[[1.03461734e-05 2.33279475e-02 9.76661706e-01]

[9.69926591e-01 3.00732875e-02 1.21676996e-07]

[2.09992547e-02 8.69156617e-01 1.09844128e-01]

[3.61934870e-03 7.91979966e-01 2.04400685e-01]

[7.90943202e-03 8.00605300e-01 1.91485268e-01]

[7.30034960e-04 6.60508053e-01 3.38761912e-01]

[1.68614209e-04 1.86322045e-01 8.13509341e-01]

[1.06915332e-01 8.90815532e-01 2.26913667e-03]

[9.46928070e-01 5.30707294e-02 1.20016057e-06]

[9.62346385e-01 3.76532233e-02 3.91897289e-07]

[1.19533384e-04 1.38823468e-01 8.61056998e-01]

[8.78881883e-03 6.97207361e-01 2.94003820e-01]

[9.73938143e-01 2.60617346e-02 1.22613836e-07]

[1.78434056e-03 4.79518177e-01 5.18697482e-01]

[5.56924342e-04 2.46776841e-01 7.52666235e-01]

[9.83549842e-01 1.64500670e-02 9.13617258e-08]

[1.65201477e-02 9.54672749e-01 2.88071038e-02]

[8.99853708e-03 7.82707576e-01 2.08293887e-01]

[2.98015025e-05 5.45900066e-02 9.45380192e-01]

[9.35695863e-01 6.43039513e-02 1.85301359e-07]

[9.80621190e-01 1.93787400e-02 7.00125246e-08]

[1.68478815e-04 3.30167226e-01 6.69664295e-01]

[3.54046163e-03 4.02267805e-01 5.94191734e-01]

[9.70617284e-01 2.93824740e-02 2.42443967e-07]

[2.56895205e-04 1.54631583e-01 8.45111522e-01]

[3.48668490e-02 9.11966141e-01 5.31670105e-02]

[1.47218847e-02 6.84038115e-01 3.01240001e-01]

[9.46510447e-04 4.28641987e-01 5.70411503e-01]

[9.64848137e-01 3.51516748e-02 1.87917880e-07]

[9.70436779e-01 2.95624025e-02 8.18591606e-07]]

The accuracy of the Logistic Regression is: 0.9833333333333333

The accuracy of the Logistic Regression is: 0.8666666666666667


## 查看混淆矩阵
confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test)
print('The confusion matrix result:\n',confusion_matrix_result)

# 利用热力图对于结果进行可视化
plt.figure(figsize=(8, 6))
sns.heatmap(confusion_matrix_result, annot=True, cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

在这里插入图片描述
通过结果我们可以发现，其在三分类的结果的预测准确度上有所下降，其在测试集上的准确度为:
86.67
%
，这是由于’versicolor’（1）和 ‘virginica’（2）这两个类别的特征，我们从可视化的时候也可以发现，其特征的边界具有一定的模糊性（边界类别混杂，没有明显区分边界），所有在这两类的预测上出现了一定的错误。

5 重要知识点

在这里插入图片描述
其对应的函数图像可以表示如下:


import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-5,5,0.01)
y = 1/(1+np.exp(-x))

plt.plot(x,y)
plt.xlabel('z')
plt.ylabel('y')
plt.grid()
plt.show()

在这里插入图片描述

爱编程的西瓜

关注

2
点赞
踩
55

收藏

觉得还不错? 一键收藏
1
评论
机器学习篇-逻辑回归的分类预测

机器学习篇-逻辑回归的分类预测1 逻辑回归的介绍和应用1.1 逻辑回归的介绍逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。逻辑回归模型的优劣势:优点：实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；缺点：容易欠拟
复制链接

扫一扫