Sklearn 成长之路（三）Logistic回归以及L1和L2正则化影响

最新推荐文章于 2024-07-27 10:38:25 发布

koko_TT

最新推荐文章于 2024-07-27 10:38:25 发布

阅读量7.3k

点赞数 6

分类专栏： Keras成长之路文章标签： Logistic回归正则化 L1与L2正则化

本文链接：https://blog.csdn.net/weixin_44344462/article/details/89330608

版权

Keras成长之路专栏收录该内容

7 篇文章 0 订阅

订阅专栏

L1与L2正则化

在回归中设要估计的参数为 $[\theta_1, \theta_2, …, \theta_N]^T$ 即 $\theta$ ，Loss-Function为 $J(\theta)$ 。

L1正则化
- $J(\theta)_{L1} = J(\theta) + \frac{1}{C}\sum_{i = 1}^{N}|\theta_i|$
- 加入L1正则化后会产生稀疏的 $\theta$ 参数，即其中有参数因为L1约束而为0，从后面程序输出也可以看出来有很多参数，在L1约束下等于0。
L2正则化
- $J(\theta)_{L2} = J(\theta) + \frac{1}{C}\sqrt{\sum_{i = 1}^{N}(\theta_i)^2}$
- 加入L2正则化同样会起到防止过拟合的作用，并且加入L2正则化的回归称为岭回归。

程序输出

传入数据集包含内容有： [‘data’, ‘target’, ‘target_names’, ‘DESCR’, ‘feature_names’]

训练集样本大小： (398, 30)
训练集标签大小： (398,)
测试集样本大小： (171, 30)
测试集标签大小： (171,)

L1正则化模型测试集准确率为： 0.9415204678362573
L2正则化模型测试集准确率为： 0.9415204678362573

L1正则化下的参数为：
[[ 3.72443117  0.05531356 -0.10692076 -0.0131987   0.          0.
   0.          0.          0.          0.          0.          0.
   0.         -0.01176816  0.          0.          0.          0.
   0.          0.          0.         -0.24337485 -0.11001705 -0.0201578
   0.          0.         -1.80558931  0.          0.          0.        ]]

L2正则化下的参数为：
[[ 1.51608502  0.16460064  0.08858714 -0.00573074 -0.07368111 -0.28769732
  -0.45550276 -0.2008653  -0.1322971  -0.02288733  0.01942448  0.58497728
   0.37449105 -0.06549691 -0.00913461 -0.04466828 -0.07672622 -0.02360131
  -0.04451942 -0.00408327  1.06414388 -0.33328428 -0.16729646 -0.02285855
  -0.14601609 -0.77196647 -1.07341452 -0.37770618 -0.40923048 -0.07920548]]

在这里插入图片描述
上图中acc_L1_train和acc_L2_train重合。

Show me the code

导包

# 数据集
from sklearn import datasets
# 对数回归模块
from sklearn.linear_model import LogisticRegression
# 指标模块
from sklearn.metrics import accuracy_score
# 划分测试集与训练集
from sklearn.model_selection import train_test_split

import numpy as np
import matplotlib.pyplot as plt

获取数据模块

# 自定义导入数据集函数
def get_data(total_data):
    # 显示total_data包含的内容
    print("传入数据集包含内容有：", [x for x in total_data.keys()])
    # 样本
    x_true = total_data.data
    # 标签
    y_true = total_data.target
    # 特征名称
    feature_names = total_data.feature_names
    # 类名
    target_names = total_data.target_names
    
    return x_true, y_true, feature_names, target_names

主函数及其调用

# 定义主函数
def main():
    # 利用自定义函数导入Iris数据集
    total_iris = datasets.load_breast_cancer()
    x_true, y_true, feature_names, target_names = get_data(total_iris)
    
    # 分割数据集
    rate_test = 0.3  # 训练集比例
    x_train, x_test, y_train, y_test = train_test_split(x_true,
                                                        y_true,
                                                        test_size= rate_test)
    print("\n训练集样本大小：", x_train.shape)
    print("训练集标签大小：", y_train.shape)
    print("测试集样本大小：", x_test.shape)
    print("测试集标签大小：", y_test.shape)

    # 针对L1与L2正则化分别设置两个分类器
    c = 0.5  # 正则化系数的倒数，这个c越小对theta的约束越强
    L1LR = LogisticRegression(penalty= 'l1', C= c)
    L2LR = LogisticRegression(penalty= 'l2', C= c)
    
    # 训练模型
    L1LR.fit(x_train, y_train)
    L2LR.fit(x_train, y_train)
    
    # 评价模型
    score_L1LR = accuracy_score(L1LR.predict(x_test), y_test)
    score_L2LR = accuracy_score(L2LR.predict(x_test), y_test)
    print("\nL1正则化模型测试集准确率为：", score_L1LR)
    print("L2正则化模型测试集准确率为：", score_L2LR)
    
    # 显示两种正则化下的参数
    print("\nL1正则化下的参数为：")
    print(L1LR.coef_)
    print("\nL2正则化下的参数为：")
    print(L2LR.coef_)
    
    ######正则化项的系数倒数C对模型的影响######
    c = np.linspace(0.005, 1, 10)  # 不同的系数值
    acc_L1_train = []  # 不同C下的L1训练集正确率
    acc_L2_train = []  # 不同C下的L2训练集正确率
    acc_L1_test = []   # 不同C下的L1测试集正确率
    acc_L2_test = []   # 不同C下的L2测试集正确率
    
    for i in range(len(c)):
        # 针对当前的系数值训练模型
        L1LR = LogisticRegression(penalty= 'l1', C= c[i])  # 构建模型
        L2LR = LogisticRegression(penalty= 'l2', C= c[i])
        L1LR.fit(x_train, y_train)
        L2LR.fit(x_train, y_train)
        
        # 得到当前的正确率
        score_L1LR_train = accuracy_score(L1LR.predict(x_train), y_train)  # 训练集
        score_L2LR_train = accuracy_score(L1LR.predict(x_train), y_train)
        
        score_L1LR_test = accuracy_score(L1LR.predict(x_test), y_test)     # 测试集
        score_L2LR_test = accuracy_score(L2LR.predict(x_test), y_test)
        
        # 将当前正确率append到四个list
        acc_L1_train.append(score_L1LR_train)  # 训练集
        acc_L2_train.append(score_L2LR_train)
        
        acc_L1_test.append(score_L1LR_test)    # 测试集
        acc_L2_test.append(score_L2LR_test)
        
    # 绘制
    plt.figure(figsize= (6, 6))
    plt.plot(c, acc_L1_train, label= "acc_L1_train",)
    plt.plot(c, acc_L2_train, label= "acc_L2_train")
    plt.plot(c, acc_L1_test, label= "acc_L1_test")
    plt.plot(c, acc_L2_test, label= "acc_L1_test")
    plt.legend(loc= 4)
    plt.title("Different C and the acc on train and test")
    plt.xlabel("C")
    plt.ylabel("ACC")
    plt.show()
        
    ######################################
    
    
# 调用主函数
if __name__ == "__main__":
    main()