Logistic回归

原理

  • 对分类边界建立回归公式,找到最佳拟合参数,以此来进行分类。

优点:

  • 计算代价不高,易于理解和实现。

缺点:

  • 容易欠拟合,分类精度可能不高。在数据不是完全线性可分的情况,永远不会收敛。

适用数据类型:

  • 标称型数据和数值型数据
#加载数据集
from numpy import mat
def loadDataSet():
    dataMat = []
    labelMat = []
    fr = open('../../Reference Code/Ch05/testSet.txt')
    #type(fr.readlines()): list; 
    #type(fr.read()): str
    for line in fr.readlines():
        #line = '-0.017612\t14.053064\t0\n'
        #lineList = ['-0.017612', '14.053064', '0']
        lineList = line.strip().split() #需要对line进行分割处理,才能成为一个list
        dataMat.append([1.0,float(lineList[0]),float(lineList[1])])
        labelMat.append(int(lineList[2]))
    return mat(dataMat),mat(labelMat)
dataMat,labelMat = loadDataSet()

from numpy import *
#定义sigmoid函数
def sigmoid(inX):
    return 1.0/(1+exp(-inX))

#定义梯度上升算法
def gradAscent(dataMat,labelMat):
    labelMat = labelMat.T #转置变成m行1列
    m,n = shape(dataMat) #(m,n)
    weight = ones((n,1)) #(n,1)
    maxCycle = 500 #最大迭代次数
    a=0.001
    for k in range(maxCycle):
        h = sigmoid(dataMat*weight) #(m,1)
        err = labelMat - h #(m,1)
        weight = weight + a*dataMat.T*err
    return weight
weight = gradAscent(dataMat,labelMat)
weight
matrix([[ 4.12414349],
        [ 0.48007329],
        [-0.6168482 ]])
#画出决策边界
import matplotlib.pyplot as plt
def plotBestFit(weight):
    #加载数据
    dataMat,labelMat = loadDataSet()
    
    #筛选出y=1和y=0两类样本数据
    x1_1 = [];x2_1= [];
    x1_0 = [];x2_0= [];
    m = shape(dataList)[0] #m行
    for i in range(m):
        if labelList[i] == 1:
            x1_1.append(dataMat[i,1]);x2_1.append(dataMat[i,2]);
        else:
            x1_0.append(dataMat[i,1]);x2_0.append(dataMat[i,2]);

    #拟合的直线: w0+w1*x1+w2*x2=0
    weight = array(weight) #matrix 转化为 array格式
    x1 = arange(-4,4,0.001)#array
    x2 = (-weight[0]-weight[1]*x1)/weight[2]#array
    
    #画图
    plt.figure()
    plt.scatter(x1_1,x2_1,c='r',label='Class 1') #画出类别1的样本
    plt.scatter(x1_0,x2_0,c='g',label='Class 0') #画出类别0的样本
    plt.plot(x1,x2) #若x1或者x2是matrix格式,是画不出图的
    plt.legend()
    plt.xlabel('X1')
    plt.ylabel('X2')
    plt.show()
plotBestFit(weight)
output_2_0.png

梯度上升VS随机梯度上升

  • 梯度上升:每次更新权重weight都要重新计算所有的样本,计算复杂度高;属于批处理;
  • 代码:
for k in range(maxCycle):
        h = sigmoid(dataMat*weight) #(m,1)
        err = labelMat - h #(m,1)
        weight = weight + a*dataMat.transpose()*err
  • 随机梯度上升:每次进来一个样本就更新一次权重weight;属于在线学习;
    for i in range(m):
        h = sigmoid(dataMat[i]*weight) #(1,1)
        err = labelMat[i] - h #(1,1)
        weight = weight + a*dataMat[i].transpose()*err#(n,1)
        ```


```python
#随机梯度上升算法
from numpy import *
def stocGradAscent(dataMat,labelMat):
    labelMat = labelMat.transpose() #转置变成m行1列
    m,n = shape(dataMat)
    a=0.01
    weight = ones((n,1)) #(n,1)
    for i in range(m):
        h = sigmoid(dataMat[i]*weight) #(1,1)
        err = labelMat[i] - h #(1,1)
        weight = weight + a*dataMat[i].transpose()*err#(n,1)
    return weight
weight = stocGradAscent(dataMat,labelMat)
weight
matrix([[ 1.01702007],
        [ 0.85914348],
        [-0.36579921]])
#随机梯度上升算法的决策边界
plotBestFit(weight)
output_5_0.png
#改进的随机梯度上升算法
import random
def uptatestocGradAscent(dataMat,labelMat,numIter = 150):
    labelMat=labelMat.T
    m,n = shape(dataMat)
    weight = ones((n,1))
    
    randomIndex = random.sample(range(m),m)
    for numiter in range(numIter):
        for i in range(m):
            a = 4/(1.0+numiter+i)+0.01 #采用动态的alpha,随着迭代次数而不断减小,可以缓解权重weight的波动
            index = randomIndex[i] #随机抽取样本来更新权重,可以减少权重的周期性波动
            h = sigmoid(dataMat[index]*weight)
            err = labelMat[index] - h
            weight = weight + a*dataMat[index].T*err
    return weight
weight = uptatestocGradAscent(dataMat,labelMat,numIter = 20)
weight
matrix([[11.53934818],
        [ 1.37987182],
        [-1.50178942]])
#改进的随机梯度上升算法的决策边界
plotBestFit(weight)
output_7_0.png

随机梯度上升VS改进的随机梯度上升

#随机梯度上升算法
from numpy import *
import matplotlib.pyplot as plt
def stocGradAscentPlot(dataMat,labelMat):
    labelMat = labelMat.transpose() #转置变成m行1列
    m,n = shape(dataMat)
    a=0.01
    weight = ones((n,1)) #(n,1)
    x0=[];x1=[];x2=[]
    
    numIter = 500
    for i in range(numIter):#迭代200次
        for i in range(m):
            h = sigmoid(dataMat[i]*weight) #(1,1)
            err = labelMat[i] - h #(1,1)
            weight = weight + a*dataMat[i].transpose()*err#(n,1)
        x0.append(float(weight[0]))
        x1.append(float(weight[1]))
        x2.append(float(weight[2]))

    #画图weight
    plt.figure(figsize=(8,10))
    plt.subplot(311)
    plt.plot(range(numIter),x0)
    plt.ylabel('X0')
#     plt.yticks(linspace(1,10,20))
    
    plt.subplot(312)
    plt.plot(range(numIter),x1)
    plt.ylabel('X1')
    
    plt.subplot(313)
    plt.plot(range(numIter),x2)
    plt.ylabel('X2')
    
    plt.tight_layout()
    plt.show()
stocGradAscentPlot(dataMat,labelMat)

output_9_0.png
#改进的随机梯度上升算法
import random
def uptatestocGradAscentPlot(dataMat,labelMat,numIter = 150):
    labelMat=labelMat.T
    m,n = shape(dataMat)
    weight = ones((n,1))
    
    randomIndex = random.sample(range(m),m)
    x0=[];x1=[];x2=[]

    for numiter in range(numIter):
        for i in range(m):
            a = 4/(1.0+numiter+i)+0.01 #采用动态的alpha,随着迭代次数而不断减小,可以缓解权重weight的波动
            index = randomIndex[i] #随机抽取样本来更新权重,可以减少权重的周期性波动
            h = sigmoid(dataMat[index]*weight)
            err = labelMat[index] - h
            weight = weight + a*dataMat[index].T*err
        x0.append(float(weight[0]))
        x1.append(float(weight[1]))
        x2.append(float(weight[2]))

    #画图weight
    plt.figure(figsize=(8,10))
    plt.subplot(311)
    plt.plot(range(numIter),x0)
    plt.ylabel('X0')
    
    plt.subplot(312)
    plt.plot(range(numIter),x1)
    plt.ylabel('X1')
    
    plt.subplot(313)
    plt.plot(range(numIter),x2)
    plt.ylabel('X2')
    
    plt.tight_layout()
    plt.show()
uptatestocGradAscentPlot(dataMat,labelMat)
output_10_0.png

从疝气病症预测病马的死亡率

#分类函数
def classify(inX,weight): #inX和weight都是矩阵形式
    res = sigmoid(float(inX*weight))
    # inX*weight 为一个矩阵,得到的res也是一个矩阵
    # float(inX*weight) 为一个数,得到的res为一个数
    if res > 0.5:
        return 1
    else:
        return 0

#读取数据
from numpy import mat
def createData():
    #训练数据
    fr = open('../../Reference Code/Ch05/horseColicTraining.txt')
    xTrain = [];yTrain=[]
    for line in fr.readlines():
        currentLine = line.strip().split()
        lineList = []
        
        lineList.append(1.0)
        for i in range(len(currentLine)-1):
            lineList.append(float(currentLine[i]))
        
#         for i in range(len(currentLine)-1):
#             lineList.append(float(currentLine[i]))
        xTrain.append(lineList) #构建训练样本集
        yTrain.append(float(currentLine[-1])) #构建训练标签集
     
    #测试数据
    fr = open('../../Reference Code/Ch05/horseColicTest.txt')
    xTest = [];yTest=[]
    for line in fr.readlines():
        currentLine = line.strip().split()
        lineList = []
        
        lineList.append(1.0)
        for i in range(len(currentLine)-1):
            lineList.append(float(currentLine[i]))
            
#         for i in range(len(currentLine)-1):
#             lineList.append(float(currentLine[i]))
        xTest.append(lineList) #构建训练样本集
        yTest.append(float(currentLine[-1])) #构建训练标签集
    return mat(xTrain),mat(yTrain),mat(xTest),mat(yTest)

#训练数据,拟合最佳参数weight,并测试结果
def colicTest():
    #创建数据
    xTrainMat,yTrainMat,xTestMat,yTestMat = createData()
    
    #拟合最佳参数weight
    weight = uptatestocGradAscent(xTrainMat,yTrainMat,150)

    #测试结果
    errCount = 0
    yTestMat = yTestMat.T #转置之后,才能用yTestMat[i]取到每个数
    for i in range(len(xTestMat)):
        res = classify(xTestMat[i],weight)
        if res != int(yTestMat[i]):
            errCount +=1
    errRate = errCount/len(yTestMat)
    print('The error rate of this test is: %f' %errRate)
    return errRate
xTrainMat,yTrainMat,xTestMat,yTestMat = createData()
xTrainMat
matrix([[ 1. ,  2. ,  1. , ...,  8.4,  0. ,  0. ],
        [ 1. ,  1. ,  1. , ..., 85. ,  2. ,  2. ],
        [ 1. ,  2. ,  1. , ...,  6.7,  0. ,  0. ],
        ...,
        [ 1. ,  1. ,  1. , ...,  6.8,  0. ,  0. ],
        [ 1. ,  1. ,  1. , ...,  6. ,  3. ,  3.4],
        [ 1. ,  1. ,  1. , ..., 62. ,  1. ,  1. ]])
errRate = colicTest()
errRate
The error rate of this test is: 0.402985
0.40298507462686567
def multiTest(numTests = 10):
    errRate = 0.0
    for k in range(numTests):
        errRate += colicTest()
    print('after %d iterations the average error rate is:%f' %(numTests,errRate/numTests))
multiTest(numTests = 10)   
The error rate of this test is 0.238806
The error rate of this test is 0.402985
The error rate of this test is 0.208955
The error rate of this test is 0.238806
The error rate of this test is 0.567164
The error rate of this test is 0.611940
The error rate of this test is 0.298507
The error rate of this test is 0.373134
The error rate of this test is 0.298507
The error rate of this test is 0.343284
after 10 iterations the average error rate is:0.358209
multiTest(numTests = 10)   
The error rate of this test is: 0.432836
The error rate of this test is: 0.373134
The error rate of this test is: 0.298507
The error rate of this test is: 0.328358
The error rate of this test is: 0.701493
The error rate of this test is: 0.432836
The error rate of this test is: 0.343284
The error rate of this test is: 0.328358
The error rate of this test is: 0.268657
The error rate of this test is: 0.552239
after 10 iterations the average error rate is:0.405970
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,384评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,845评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,148评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,640评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,731评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,712评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,703评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,473评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,915评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,227评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,384评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,063评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,706评论 3 324
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,302评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,531评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,321评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,248评论 2 352

推荐阅读更多精彩内容