Logistic Regression 逻辑回归

DataLaboratory

已于 2024-07-28 22:16:52 修改

阅读量4.3k

点赞数 10

分类专栏： Machine Learning 文章标签： python 回归

于 2022-03-30 19:04:56 首次发布

本文链接：https://blog.csdn.net/weixin_49742236/article/details/123777887

版权

Machine Learning 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Logistic Regression 逻辑回归

Sigmoid 函数
逻辑回归原理
逻辑回归代码实现
逻辑回归的矩阵运算表示
源码获取

Sigmoid 函数

Sigmoid函数表达式如下：
其图像为：
可以看出e^(-x)∈(0，+∞)，所以f(x)∈(0，1)。于是我们可以将它与概率联系起来，P∈[0，1]，0表示该事件不会发生，1则表示该事件一定会发生。
Sigmoid函数有一个很重要的特性，便是它的导数，我们对其进行求导：

逻辑回归原理

由此可以看出，对于Sigmoid函数，若我们想要求其一点的导数值，我们不需要求导再计算，只需根据这点的函数值便可得出相应的导数值。
基于Sigmoid函数的值域以及导数值可以由函数值求得这两个特性，所以我们能把它运用在逻辑回归中。
构建模型
对于逻辑回归而言，它是做二分类的，也就是说我们的样本只能有两类，我们用0表示第一类，用1表示第二类，也即是我们的Label，也就是y的值要么等于0，要么等于1，只能取这两个值。我们的模型为：Z=ω1X1+ω2X2+…+ωnXn+b，Z也即是Logistic，我们可以进一步将模型简化为向量的形式，然后将模型带入Sigmoid函数中。
从Sigmoid函数函数中我们知道，当x的值大于0的时候，f(x)的值大于0.5，当当x的值小于0的时候，f(x)的值小于0.5，于是我们可以将f(x)的值等于0.5的时候作为一个分界线。我们将y ^小于0.5的值分为第一类，对应0，将y ^大于0.5的值分为第二类，对应1。模型Z=ω1X1+ω2X2+…+ωnXn+b中的参数为ω和b，我们需要求得最好的ω *和b *，让模型的效果最好，接下来我们便需要求损失函数。
构建损失函数
我们知道当y=1时，y ^越接近1越好，当y=0时，y ^越接近0越好，于是有以下式子：

当y=1时，为y ^，而当y=1时，为1-y ^。所以我们希望这个式子越大越好。而我们希望损失函数越小越好，于是我们给该式子填上负号，再把我们所有的样本都考虑进来，为了方便计算，再对其取对数，得到了我们的损失函数：
求取损失函数最小值
我们已知损失函数以及y ^如下：
对ω1进行求偏导
加上Σ，再对每一项求偏导
利用梯度下降算法对参数进行更新

逻辑回归代码实现

数据集：Titanic

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# %matplotlib inline

dataset = pd.read_csv('D:\Demo\MachineLearning\LogisticRegression\dataset.csv')
dataset = dataset[['Pclass', 'Sex', 'Fare', 'Survived']]
n_dataset = dataset.shape[0]

# feature engineering
dataset['Fare'] = (dataset['Fare'] - dataset['Fare'].mean()) / dataset['Fare'].std()
dataset['Sex'] = dataset['Sex'].astype('category').cat.codes

train_data = dataset.iloc[0:600]
test_data = dataset.iloc[600:]

# print(dataset.head())

X_train = train_data.drop(columns='Survived').astype('float32')
y_train = train_data['Survived'].astype('float32')
n_train = train_data.shape[0]

X_test = test_data.drop(columns='Survived').astype('float32')
y_test = test_data['Survived'].astype('float32')
n_test = test_data.shape[0]


def sigmoid(x):
    y = 1 / (1 + np.exp(-x))
    return y


x = np.arange(-10, 10, 0.1)
y = sigmoid(x)
fig, ax = plt.subplots()
ax.scatter(0, sigmoid(0))
ax.plot(x, y)
plt.show()

# Build Logistic Regression Model
w1 = -0.5
w2 = -2
w3 = 0.3
b = 2

N = 1000
lr = 0.0001

for j in range(N):
    det_w1 = 0
    det_w2 = 0
    det_w3 = 0
    det_b = 0
    for i in range(n_train):
        x1 = X_train.iloc[i][0]
        x2 = X_train.iloc[i][1]
        x3 = X_train.iloc[i][2]
        z = w1 * x1 + w2 * x2 + w3 * x3 + b
        y_hat = sigmoid(z)
        y = y_train.iloc[i]

        det_w1 += - (y - y_hat) * x1
        det_w2 += - (y - y_hat) * x2
        det_w3 += - (y - y_hat) * x3
        det_b += - (y - y_hat)

    w1 = w1 - lr * det_w1
    w2 = w2 - lr * det_w2
    w3 = w3 - lr * det_w3
    b = b - lr * det_b


def get_accuracy(X, y, n):
    predicted_result = []
    total_loss = 0
    for i in range(n):
        x1 = X.iloc[i][0]
        x2 = X.iloc[i][1]
        x3 = X.iloc[i][2]
        z = w1 * x1 + w2 * x2 + w3 * x3 + b
        y_hat = sigmoid(z)
        if y_hat < 0.5:
            predicted_result.append(0)
        else:
            predicted_result.append(1)
    for i in range(n):
        loss = (y.iloc[i] - predicted_result[i]) ** 2
        total_loss += loss
    accuracy = (n - total_loss) / n
    return accuracy


print(get_accuracy(X_train, y_train, n_train))
print(get_accuracy(X_test, y_test, n_test))

以上代码跑起来需要很长的时间，我们可以用矩阵表示数据集以及模型的参数，这样可以让代码的效率得到提高

逻辑回归的矩阵运算表示

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dataset = pd.read_csv('D:\Demo\MachineLearning\LogisticRegression\dataset.csv')
dataset = dataset[['Age', 'Pclass', 'Sex', 'Fare', 'SibSp', 'Parch', 'Survived']]
n_dataset = dataset.shape[0]

# feature engineering
dataset['Fare'] = (dataset['Fare'] - dataset['Fare'].mean()) / dataset['Fare'].std()
dataset['Sex'] = dataset['Sex'].astype('category').cat.codes
dataset['Pclass'] = (dataset['Pclass'] - dataset['Pclass'].mean()) / dataset['Pclass'].std()
dataset['Age'].fillna(dataset['Age'].mean(), inplace=True)
dataset['Age'] = (dataset['Age'] - dataset['Age'].mean()) / dataset['Age'].std()
dataset['Sex'] = (dataset['Sex'] - dataset['Sex'].mean()) / dataset['Sex'].std()

train_data = dataset.iloc[0:600]
test_data = dataset.iloc[600:]

# print(dataset.head())

X_train = train_data.drop(columns='Survived').astype('float32')
y_train = train_data['Survived'].astype('float32')
n_train = train_data.shape[0]

X_test = test_data.drop(columns='Survived').astype('float32')
y_test = test_data['Survived'].astype('float32')
n_test = test_data.shape[0]

# print(X_train.head())
# print(y_train.head())


def sigmoid(x):
    y = 1 / (1 + np.exp(-x))
    return y


x = np.arange(-10, 10, 0.1)
y = sigmoid(x)
fig, ax = plt.subplots()
ax.scatter(0, sigmoid(0))
ax.plot(x, y)
plt.show()

# Build Logistic Regression Model
n_features = X_train.shape[1]
w = np.zeros(n_features)
b = 0

N = 1000
lr = 0.0001

for j in range(N):
    det_w = np.zeros(n_features)
    det_b = 0.0

    logits = w.dot(X_train.T) + b
    y_hat = sigmoid(logits)

    det_w = - np.dot((y_train - y_hat), X_train)
    det_b = - np.sum(y_train - y_hat)

    w = w - lr * det_w
    b = b - lr * det_b


def get_accuracy(X, y, w, n):
    n_samples = X.shape[0]
    predict_result = []
    for i in range(n_samples):
        x = X.iloc[i]
        p = sigmoid(x.dot(w) + b)
        if p > 0.5:
            predict_result.append(1)
        else:
            predict_result.append(0)
    total_loss = 0
    for i in range(n_samples):
        loss = (y.iloc[i] - predict_result[i]) ** 2
        total_loss += loss
    accuracy = (y.shape[0] - total_loss) / y.shape[0]
    return accuracy


print(get_accuracy(X_train, y_train, w, b))
print(get_accuracy(X_test, y_test, w, b))