逻辑回归
来源:互联网 发布:大单决策指标源码 编辑:程序博客网 时间:2024/06/06 07:45
最近学习了逻辑回归,因此在此总结一下模型的原理和用法
文章内容
- 1.模型介绍
- 2.逻辑函数
- 3.代价函数
- 4.优化器
- 5.取例&应用
- 6.参考&引用
1.模型介绍
逻辑回归不是回归模型而是分类算法,可以解决二分类,多分类问题。
比如垃圾邮件分类,肿瘤分类问题,区别一个肿瘤良性还是恶性。
这里我们只讨论二分类问题
2.逻辑函数
对于给定的X 若h(x)计算出结果为 0.7 则我们有70%几率认为 y为1 有30%机率认为 y为0
3.代价函数
代价函数是用来拟合参数θ,即我们怎么选择θ。
4.优化器
梯度下降 Gradient Descent
5.举例&应用
这里使用kaggle的经典入门题 titanic 做为例子
赛题网址:
链接
简单数据处理后应用回归模型
下面是代码
import pandas as pddf = pd.read_csv(r"J:\titanic\data\train.csv")test = pd.read_csv(r"J:\titanic\data\test.csv")# show datadf.head()#data processdf = df.drop(['Ticket','Cabin','Name'], axis=1)test = test.drop(['Ticket','Cabin','Name'], axis=1)# Remove NaN valuesdf = df.dropna()test = test.dropna()#哑编码df["Sex"]=pd.get_dummies(df["Sex"])df["Embarked"]=pd.get_dummies(df["Embarked"])test["Sex"]=pd.get_dummies(test["Sex"])test["Embarked"]=pd.get_dummies(test["Embarked"])#归一化df["Age"] = (df["Age"]-df["Age"].min())/(df["Age"].max()-df["Age"].min())df["Fare"] = (df["Fare"]-df["Fare"].min())/(df["Fare"].max()-df["Fare"].min())test["Age"] = (test["Age"]-test["Age"].min())/(test["Age"].max()-test["Age"].min())test["Fare"] = (test["Fare"]-test["Fare"].min())/(test["Fare"].max()-test["Fare"].min())#导入模型from sklearn.linear_model import LogisticRegressionfrom sklearn.cross_validation import train_test_splitSurvived = df["Survived"]df = df.drop(["PassengerId","Survived"],axis=1)test = test.drop("PassengerId",axis=1)X_train, X_test, y_train, y_test = train_test_split(df.values,Survived.values,test_size=0.33, random_state=42)LR = LogisticRegression()LR.fit(X_train,y_train)pre = LR.predict(X_test)#分类报告from sklearn.metrics import classification_report print("分类报告:\n",classification_report(y_test, pre))#准确度from sklearn.metrics import accuracy_scoreprint("准确度:\n",accuracy_score(y_test,pre))分类报告: precision recall f1-score support 0 0.79 0.84 0.81 136 1 0.76 0.70 0.73 99avg / total 0.78 0.78 0.78 235准确度: 0.778723404255
因为数据处理简单,丢了很多特征,准确度有点低
6.参考&引用
斯坦福大学 NG 《机器学习》
0 0
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- 逻辑回归
- Adobe Dreamweaver CS5安装步骤
- Android——Activity的四种启动模式
- SuperTextView
- 英文版Ubuntu16.04安装fcitx-googlepinyin
- 一般处理程序中使用Session
- 逻辑回归
- js-window对象的方法和属性资料
- Mysql中设置默认时间为系统当前时间
- 混合app打包步骤(本地+云端)HybirdApp本地环境配置步骤
- obs-studio源码阅读笔记:学习obs流程的第一步,test程序
- vim命令总结
- php随机发红包
- 对信号量sem的一些总结
- Spring Boot 学习4--完美使用FastJson解析Json数据