机器学习实战（4）----Logistic 回 归（基于python3.5）

Logistic回归的目的是寻找一个非线性函数Sigmiod的最佳拟合参数，求解过程可以由最优化算法来完成 。在最优 算法中，最常用 的就是梯度上升算法，而梯度上升算法又可以简化为随机梯度上升法 。
随机梯度上升算法与梯度上升算法的效果相当，但占用更少的计算资源。此外，随机梯度上升是一个在线算法，它可以在新数据到来时就完成参数更新，而不需要重新读取整个数据集来进行批处理运算。

import numpy as np

def loadDataSet(): #导入数据
    dataMat = []
    labelMat = []
    fr = open(r'F:\算法学习\机器学习书籍\机器学习实战（Python2.7）\Ch05\testSet.txt')
    for line in fr.readlines():
        lineArr = line.strip().split()
        dataMat.append([1.0, float(lineArr[0]), float(lineArr[1])])  #第一列为X1，第二列为X2
        labelMat.append(int(lineArr[2]))   #第三列为类别标签
    return dataMat, labelMat

def sigmoid(inX):   #sigmoid函数
    return 1.0/(1 + np.exp(-inX))  

#梯度上升算法，与梯度下降法一样，前者求最大值，后者求最小值
def gradAscent(dataMatIn, classLabels):  
#输入参数为训练样本及对应的类标签
    dataMatrix = np.mat(dataMatIn)  #将输入训练样本数组转换成矩阵形式
    labelMat = np.mat(classLabels).T #类别标签向量，转为列向量方便处理，若本身就是列向量，则本行可注释掉
    m, n = np.shape(dataMatrix)  
    alpha = 0.001  #步长
    maxCycles = 500  #最大迭代次数
    weights = np.ones((n,1))
    for k in range(maxCycles):
        h = sigmoid(dataMatrix * weights)
        error = (labelMat - h)                 
        weights = weights + alpha * dataMatrix.T * error #权值更新量，即求解损失函数对应的拉格朗日函数的极值
    return weights  #返回的回归系数

#画出数据集和Logistic回归最佳拟合直线
def plotBestFit(wei):
    import matplotlib.pyplot as plt
    weights = wei.getA()
    dataMat, labelMat = loadDataSet()
    dataArr = np.array(dataMat)
    n = np.shape(dataArr)[0]
    xcord1 = []; ycord1 = []
    xcord2 = []; ycord2 = []
    for i in range(n):
        if int(labelMat[i]) == 1:
            xcord1.append(dataArr[i,1]); ycord1.append(dataArr[i,2])
        else:
            xcord2.append(dataArr[i,1]); ycord2.append(dataArr[i,2])
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(xcord1, ycord1, s = 30, c = 'red', marker = 's')
    ax.scatter(xcord2, ycord2, s = 30, c = 'green')
    x = np.arange(-3.0, 3.0, 0.1)
    y = (-weights[0] -weights[1]*x)/weights[2]
    ax.plot(x, y)
    plt.xlabel('X1'); plt.ylabel('X2')
    plt.show()
    
def stocGradAscent0(dataMatrix, classLabels):
    m, n = np.shape(dataMatrix)
    alpha = 0.01
    weights = np.ones(n)
    for i in range(m):
        h = sigmoid(sum(dataMatrix[i] * weights))  
        error = classLabels[i] - h   #与梯度上升法的区别在于h和error的计算结果为数值，并且不需要进行矩阵转换
        weights = weights + alpha * error * dataMatrix[i]
    return weights

#改进的随机梯度上升法               
def stocGradAscent1(dataMatrix, classLabels, numIter = 150):
    m, n = np.shape(dataMatrix)

    weights = np.ones(n)
    for j in range(numIter):
        dataIndex = range(m)
        for i in range(m):
            alpha = 4/(1.0+j+i)+0.01      #将alpha改为随迭代次数而变化
            randIndex = int(np.random.uniform(0,len(dataMatrix)))            
            h = sigmoid(sum(dataMatrix[randIndex] * weights))   #随机选取dataMatrix中的数进行更新
            error = classLabels[randIndex] - h   #与梯度上升法的区别在于h和error的计算结果为数值，并且不需要进行矩阵转换
            weights = weights + alpha * error * dataMatrix[randIndex]
            del(dataIndex[randIndex])
    return weights