目录
5.2 精确率(Precision)与召回率(Recall)?
1、逻辑回归的应用场景
- 广告点击率
- 是否为垃圾邮件
- 是否患病
- 金融诈骗
- 虚假账号
看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器
2、 逻辑回归的原理
2.1 输入
线性回归的输出是逻辑回归的输入
2.2 激活函数
- sigmoid函数
- 线性回归的结果输入到sigmoid函数当中，得到逻辑回归的输出
- 输出结果：[0, 1]区间中的一个概率值，默认为0.5为阈值
通过设定阈值，将回归任务转化为分类问题
2.3 损失以及优化?
对于线性回归模型可以采用 (预测值-真实值)^2/总数来决定。
而逻辑回归模型预测值/真实值为二分类，无法通过上述损失函数
2.3.1 损失
逻辑回归的损失，称之为对数似然损失，公式如下：
?
由于将损失定义为分段函数，很难用梯度下降去优化，因此采用
- 综合完整损失函数
?2.3.2优化
使用梯度下降优化算法，去减少损失函数的值。这样去更新逻辑回归前面对应算法的权重参数，提升原本属于1类别的概率，降低原本是0类别的概率。
3、逻辑回归API
from sklearn.linear_model import LogisticRegression- LogisticRegression(solver='liblinear', penalty=‘l2’, C = 1.0)
- solver:优化求解方式（默认开源的liblinear库实现，内部使用了坐标轴下降法来迭代优化损失函数）
- SAG：根据数据集自动选择，随机平均梯度下降
- penalty：正则化的种类
- C：正则化力度
- solver:优化求解方式（默认开源的liblinear库实现，内部使用了坐标轴下降法来迭代优化损失函数）
?LogisticRegression方法相当于 SGDClassifier(loss="log", penalty=" "),SGDClassifier实现了一个普通的随机梯度下降学习，也支持平均随机梯度下降法（ASGD），可以通过设置average=True。而使用LogisticRegression(实现了SAG)
?4, 案例：癌症分类预测-良／恶性乳腺癌肿瘤预测
原始数据的下载地址：https://archive.ics.uci.edu/ml/machine-learning-databases/
数据描述
（1）699条样本，共11列数据，第一列用语检索的id，后9列分别是与肿瘤
相关的医学特征，最后一列表示肿瘤类型的数值。
（2）包含16个缺失值，用”?”标出。
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
def logisticregression():
"""
逻辑回归进行癌症预测
:return: None
"""
# 1、读取数据，处理缺失值以及标准化
column_name = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape',
'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin',
'Normal Nucleoli', 'Mitoses', 'Class']
data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",
names=column_name)
# 删除缺失值
data = data.replace(to_replace='?', value=np.nan)
data = data.dropna()
# 取出特征值
x = data[column_name[1:10]]
y = data[column_name[10]]
# 分割数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)
# 进行标准化
std = StandardScaler()
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
# 使用逻辑回归
lr = LogisticRegression()
lr.fit(x_train, y_train)
print("得出来的权重：", lr.coef_)
# 预测类别
print("预测的类别：", lr.predict(x_test))
# 得出准确率
print("预测的准确率:", lr.score(x_test, y_test))
return None
logisticregression()5， 分类的评估方法
5.1 混淆矩阵
在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)
5.2 精确率(Precision)与召回率(Recall)?
- 精确率：预测结果为正例的样本中真实结果为正例的比例
- 召回率：真实结果为正例的样本中预测结果为正例的比例
- F1-score：反映了模型的稳健型
?5.2.3?分类评估报告API
from sklearn.metrics import classification_report- classification_report （y_true, y_pred, labels=[], target_names=None )
- y_true：真实目标值
- y_pred：估计器预测目标值
- labels:指定类别对应的数字
- target_names：目标类别名称
- return：每个类别精确率与召回率
#预付报告
report=classification_report(y_test,y_predict,labels=[2,4],target_names=["良性","恶性"])
print(report)5.3?ROC曲线与AUC指标
5.3.1?TPR与FPR
- TPR = TP / (TP + FN)----召回率
- 所有真实类别为1的样本中，预测类别为1的比例
- FPR = FP / (FP + FN)
- 所有真实类别为0的样本中，预测类别为1的比例
5.3.2 ROC曲线
ROC曲线的横轴就是FPRate，纵轴就是TPRate，当二者相等时，表示的意义则是：对于不论真实类别是1还是0的样本，分类器预测为1的概率是相等的，此时AUC为0.5
?5.3.3 AUC指标
ROC曲线下面区域的面积
- AUC = 1，是完美分类器，采用这个预测模型时，存在至少一个阈值能得出完美预测。但绝大多数预测的场合，不存在完美分类器。
- 0.5 < AUC < 1，优于随机猜测。这个分类器（模型）妥善设定阈值的话，能有预测价值。
- AUC = 0.5，跟随机猜测一样（例：丢铜板），模型没有预测价值。
- AUC < 0.5，比随机猜测还差；但只要总是反向预测而行，就优于随机猜测
5.3.4 API
from sklearn.metrics import roc_auc_score- sklearn.metrics.roc_auc_score(y_true, y_score)
- 计算ROC曲线面积，即AUC值
- y_true:每个样本的真实类别，必须为0(反例),1(正例)
- y_score:每个样本预测的概率值
5.3.5、总结
- AUC只能用来评价二分类
- AUC非常适合评价样本不平衡中的分类器性能