数据挖掘算法-逻辑回归模型

1.什么是逻辑回归模型？

首先，我们不要被逻辑回归这个名字所误导，逻辑回归实际上是一个分类算法，它被用于将样本数据进行分类的场景中，比如预测一封邮件是否是垃圾邮件。
逻辑回归的分类思想是：将每条样本进行打分，然后设置一个阈值，当样本得分大于这个阈值时，分为一个类别，当样本得分小于等于这个阈值时，划分为另一个类别。（对于样本得分等于阈值时，划分为哪一个类别都可以，只要保持一致性即可）
关于逻辑回归，可以用一句话来总结：逻辑回归假设数据服从伯努利分布，通过极大似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。

逻辑回归通常应用于目标变量是分类变量的场景，比如：

预测一封邮件是否是垃圾邮件
判断肿瘤是良性还是恶性

逻辑回归的种类：

二元逻辑回归
分类结果只有两种可能，例如：垃圾邮件和非垃圾邮件
多元逻辑回归
三种及以上无序的分类，例如：预测哪类食物更被青睐（蔬菜、非蔬菜、素食）
有序逻辑回归
三种及以上有序的分类，例如：排名1-3的电影

2.逻辑回归的算法模型

对于逻辑回归，模型的前面与线性回归类似：

image.png

sigmoid函数

对于分类任务来说，分类模型不仅应该能够提供某一样本属于哪个分类，还要给出样本属于某一类别的概率。比如一封邮件是垃圾邮件的概率，肿瘤是恶性的概率等。
逻辑回归使用sigmoid函数将结果转化为概率值：
$sigmoid(z)=\frac{1}{1+e^{-z}}$

image.png

从图中可以看出，sigmoid函数具有以下特点：
1）当z的值从负无穷到正无穷变化时，函数的取值范围为(0,1)，这正好是概率的取值范围
2）当z取值为0时，函数取值为0.5，因此可以将sigmoid(z)作为样本属于正例的概率，若函数取值大于0.5判定为类别1，否则判定为类别0
3）sigmoid函数的优势就是能以概率的方式来呈现样本属于某个类别的可能性

3.逻辑回归的损失函数

在逻辑回归中，使用sigmoid(z)来表示样本属于类别1的概率，1-sigmoid(z)来表示样本属于类别0的概率，我们通过极大似然估计来推导逻辑回归的损失函数。为了方便，下面使用s(z)来表示sigmoid(z)

image.png

通过以上推导，我们得出了逻辑回归的损失函数，接下来通过梯度下降法求解模型的参数，也就是w和b的值，一旦参数值确定，我们就能对未知样本数据进行预测。

4.逻辑回归参数求解

这里采用梯度下降法求解逻辑回归的损失函数，梯度下降的迭代公式如下：
$W_j=W_j+\Delta W_j=W_j-\eta \frac{\partial J(w)}{\partial W_j}$

接下来只需要求解损失函数对W的梯度即可，推导过程如下：

image.png

公式中i代表样本数，j代表特征数

因此在随机梯度下降中，我们就可以这样进行权重的调整：
$W_j=W_j + \eta (y^{(i)} -s(z^{(i)})x_j^{(i)})$

在批量梯度下降中，将样本数量相加即可：
$W_j=W_j + \eta \sum_{i=1}^m (y^{(i)} -s(z^{(i)})x_j^{(i)})$

经过不断反复迭代，最终求得W值，使得损失函数的值最小。

5.逻辑回归的python代码实现

使用逻辑回归需要导入的包：

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

使用过程非常简单，常用函数如下：

lr = LogisticRegression()
lr.fit(x_train, y_train)
# 预测值
y_hat = lr.predict(x_test)
# 查看预测的概率
probability = lr.predict_proba(x_test)
print("权重：", lr.coef_)
print("偏置：", lr.intercept_)
print("预测值：", y_hat)

6.参考链接

最后编辑于：2021.01.10 11:13:23