文章目录
前言
只使用最基础的python语言,只是用Numpy,Matplotlib 基础的库包去实现机器学习算法,有助于读者理解各机器学习算法的原理,以及算法实现的整个步骤。这期带来逻辑回归(Logistic)算法的实现。
- 希望通过基础的python代码去实现机器学习算法去提高我们的编程能力
- 希望通过代码的一步步的实现,来领会整个算法实现过程。
一、逻辑回归介绍
Logistic Regression 虽然被称为回归,但其实际上是分类模型,并常用于二分类
- 第一,逻辑回归与线性回归的区别
可以说,逻辑回归的输入是线性回归的输出,然后逻辑回归再通过sigmoid函数将数值映射为(0,1)之间
- 第二,z函数就是所谓的输入,其实就是线性回归的函数
- 第三,然后g(z)就是所谓的sigmoid 函数,就是将输入的值改变为分布(0,1)之间,且当g(z)接近0时样本的标签为类别0,当g(z)接近1时样本的标签为类别1,这样就得到一个分类模型。
- 第四,那么g(z)就是逻辑回归返回的标签值。此时y(x)的数值都在[0,1]之间,因此y(x)和1-y(x)相加必然为1。我们令y(x)除以1-y(x)可以得到形似几率(oods)的y(x)/1-y(x),,在此基础上取对数,可以得到:
那么就会如下结论:
那么就是说:
请读者认真阅读以上内容,理解明白以上整个过程的意义,思考为什么要分析以上过程?
- 第五,极大似然估计
- 第六,求最小值时的w的两种方法
第五第六请参考链接:
https://blog.csdn.net/weixin_55073640/article/details/124683459
二、Python实现逻辑回归
1.引入库
import numpy as np
import pandas as pd
2.读入数据
数据来源:请点击然后下载 iris.csv
data = pd.read_csv(r"iris.csv")
data.head()
3.数据预处理
#删除重复值
data.drop_duplicates(inplace=True)
#Iris-setosa Iris-versicolor Iris-virginica
data["class"] = data["class"].map({"Iris-versicolor":0,"Iris-setosa":1,"Iris-virginica":2})
#只选取类别为0与1的数据 进行逻辑回归的二分类
data = data[data["class"]!=2]
4.创建逻辑回归LogisticRegression类
class LogisticRegression:
"""
使用Python语言实现逻辑回归算法
"""
def __init__(self,alpha,times):
"""
初始化方法
Parameter
----
alpha:float
学习率
-----
times:int
迭代次数。
"""
self.alpha = alpha
self.times = times
def sigmoid(self,z):
"""
sigmoid函数的实现
Parameters
----
z:float
自变量,值为z = w.T*x
Returns
----
p:float
值为[0,1]之间 ,返回是样本属于类别1的概率值,用来作为结果的预测值
当s>=0.5(即z>=0)时,判定为类别1,否则则判定为0
"""
return 1.0/(1.0+np.exp(-z))
def fit(self,X,y):
"""
根据提供的数据,对模型进行训练
Parameter
----
X:类数组类型。形状为[样本数量,特征数量]
待训练的样本特征属性
----
y:类数组类型,形状为[样本数量]
每一个样本的目标值。(标签)
"""
X = np.asarray(X)
y = np.asarray(y)
#创建权重的向量,初始值为0
self.v_ = np.zeros(1+X.shape[1])
#创建损失列表,用来保存每次迭代后的损失值
self.loss_ = []
for i in range(self.times):
z = np.dot(X,self.v_[1:])+self.v_[0]
#计算一下概率值
p = self.sigmoid(z)
#根据逻辑回归的代价函数(目标函数),计算损失值
#逻辑回归的目标函数 J(w) = -sum((yi*log(s(zi)))+(1-yi)*log(1-s(zi))) [i从1到n,n为样本数量]
cost = -np.sum(y*np.log(p)+(1-y)*np.log(1-p))
self.loss_.append(cost)
#调整权重值 调整为权重(j) = 权重(j)+学习率*sum((y-s(z))*x(j))
self.v_[0] += self.alpha * np.sum(y-p)
self.v_[1:]+= self.alpha*np.dot(X.T,y-p)
def predict_proba(self,X):
"""
根据参数传递的样本,对样本数据进行预测。
Parameters
----
X:类数组类型。形状为[样本数量,特征数量]
待测试的样本特征属性
Returns
----
result:数组类型
预测的结果(概率值)
"""
X = np.asarray(X)
z = np.dot(X,self.v_[1:])+self.v_[0]
p = self.sigmoid(z)
#将预测结果变成二维结构,便于后续的拼接
p = p.reshape(-1,1)
#将两个数组进行拼接,横向拼接
return np.concatenate([1-p,p],axis =1)
def predict(self,X):
"""
根据参数传递的样本,对样本数据进行预测。
Parameter
----
X:类数组类型。[样本数量,特征数量]
待测试的样本特征(属性)
Returns
----
result:数组类型
预测的结果(分类值)
"""
return np.argmax(self.predict_proba(X),axis=1) #所有制为0或1
5.打乱数据集,割分训练集和测试集
t1 = data[data["class"]==0]
t2 = data[data["class"]==1]
t1.sample(len(t1),random_state=0)
t2.sample(len(t2),random_state=0)
train_X = pd.concat([t1.iloc[:40,:-1],t2.iloc[:40,:-1]],axis = 0)
train_y = pd.concat([t1.iloc[:40,-1],t2.iloc[:40,-1]],axis = 0)
test_X = pd.concat([t1.iloc[40:,:-1],t2.iloc[40:,:-1]],axis = 0)
test_y = pd.concat([t1.iloc[40:,-1],t2.iloc[40:,-1]],axis = 0)
6.实例化LogisticRegression,训练、预测
#各字段的特征列数据都在同一数量级,我们这里可以不进行标准化处理
lr = LogisticRegression(alpha=0.01,times=20)
lr.fit(train_X,train_y)
# lr.predict_proba(test_X)
lr.predict(test_X)
result = lr.predict(test_X)
np.sum(result == test_y)
#计算准确率
np.sum(result == test_y)/len(test_y)
准确率为100%
7.可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
#可显示中文
mpl.rcParams['font.family'] = "SimHei" #中文显示
mpl.rcParams['axes.unicode_minus'] = False #中文字体下,可以显示中文符号
#绘制预测值
plt.plot(result,"ro",ms=15,label = "预测值")
#绘制真实值
plt.plot(test_y.values,"go",label="真实值")
plt.title("逻辑回归")
plt.xlabel("样本序号")
plt.ylabel("类别")
plt.legend()
plt.show()