ML算法：使用Python进行Logistic回归

2021年5月6日16:51:40 发表评论 1,170 次浏览

先决条件：了解逻辑回归

用户数据库–该数据集包含来自公司数据库的用户信息。它包含有关用户ID, 性别, 年龄, 预估工资, 已购买的信息。我们正在使用该数据集预测用户是否会购买公司的新产品。

数据–

用户数据

让我们建立Logistic回归模型, 预测用户是否会购买产品。

输入库

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

加载数据集– User_Data

dataset = pd.read_csv( '...\\User_Data.csv' )

现在, 要预测用户是否会购买该产品, 需要找出年龄与估计工资之间的关系。用户ID和性别不是找出此问题的重要因素。

# input
x = dataset.iloc[:, [ 2 , 3 ]].values
  
# output
y = dataset.iloc[:, 4 ].values

分割数据集以进行训练和测试。 75％的数据用于训练模型, 而25％的数据用于测试模型的性能。

from sklearn.cross_validation import train_test_split
xtrain, xtest, ytrain, ytest = train_test_split(
         x, y, test_size = 0.25 , random_state = 0 )

现在, 在这里执行要素缩放非常重要, 因为"年龄"和"估计工资"值处于不同范围内。如果我们不对要素进行缩放, 则当模型在数据空间中找到与数据点最接近的邻居时, "估计工资"要素将主导"年龄"要素。

from sklearn.preprocessing import StandardScaler
sc_x = StandardScaler()
xtrain = sc_x.fit_transform(xtrain) 
xtest = sc_x.transform(xtest)
  
print (xtrain[ 0 : 10 , :])

输出：

[[ 0.58164944 -0.88670699]
 [-0.60673761  1.46173768]
 [-0.01254409 -0.5677824 ]
 [-0.60673761  1.89663484]
 [ 1.37390747 -1.40858358]
 [ 1.47293972  0.99784738]
 [ 0.08648817 -0.79972756]
 [-0.01254409 -0.24885782]
 [-0.21060859 -0.5677824 ]
 [-0.21060859 -0.19087153]]

在这里, 曾经看到"年龄"和"估计的薪水"特征值是小数位数, 现在是-1：1。因此, 每个特征将在决策制定(即最终确定假设)中做出同等的贡献。

最后, 我们正在训练Logistic回归模型。

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state = 0 )
classifier.fit(xtrain, ytrain)

训练模型后, 是时候使用它对测试数据进行预测了。

y_pred = classifier.predict(xtest)

让我们测试模型的性能-混淆矩阵

from sklearn.metrics import confusion_matrix
cm = confusion_matrix(ytest, y_pred)
  
print ( "Confusion Matrix : \n" , cm)

输出：

Confusion Matrix : 
 [[65  3]
 [ 8 24]]

满分100

TruePostive + TrueNegative = 65 + 24

FalsePositive + FalseNegative = 3 + 8

绩效衡量–准确性

from sklearn.metrics import accuracy_score
print ( "Accuracy : " , accuracy_score(ytest, y_pred))

输出：

Accuracy :  0.89

可视化我们模型的性能。

from matplotlib.colors import ListedColormap
X_set, y_set = xtest, ytest
X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0 ]. min () - 1 , stop = X_set[:, 0 ]. max () + 1 , step = 0.01 ), np.arange(start = X_set[:, 1 ]. min () - 1 , stop = X_set[:, 1 ]. max () + 1 , step = 0.01 ))
  
plt.contourf(X1, X2, classifier.predict(
              np.array([X1.ravel(), X2.ravel()]).T).reshape(
              X1.shape), alpha = 0.75 , cmap = ListedColormap(( 'red' , 'green' )))
  
plt.xlim(X1. min (), X1. max ())
plt.ylim(X2. min (), X2. max ())
  
for i, j in enumerate (np.unique(y_set)):
     plt.scatter(X_set[y_set = = j, 0 ], X_set[y_set = = j, 1 ], c = ListedColormap(( 'red' , 'green' ))(i), label = j)
      
plt.title( 'Classifier (Test set)' )
plt.xlabel( 'Age' )
plt.ylabel( 'Estimated Salary' )
plt.legend()
plt.show()

输出：