逻辑回归的应用

 一·参数

逻辑回归参数及多分类策略等完整解析

1. LogisticRegression 初始参数声明
   LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='liblinear', max_iter=100, multi_class='ovr', verbose=0, warm_start=False, n_jobs=1)

2. 核心参数与概念详细说明

   • Penalty：正则化方式，含 L1、L2 ；newton - cg、sag、lbfgs 仅支持 L2 ，L1 假设参数服从拉普拉斯分布，L2 假设服从高斯分布，加约束理论增强泛化能力防过拟合 。
   • Dual：对偶方法，用于线性多核（liblinear）的 L2 惩罚项；样本数＞特征数时，通常设 False 。
   • Tol：迭代停止精度（容许停止标准 ），float 型，默认 1e - 4 。
   • C：正则化强度，为正则化系数 λ 的倒数，数值越小正则化越强（类 SVM ），默认 1.0 （正浮点型数 ）。
   • fit_intercept：控制是否加截距项到决策函数，默认 True（加截距项 b ）。
   • intercept_scaling：仅正则化项为 “liblinear” 且 fit_intercept=True 时生效，float 型，默认 1 。
   • class_weight：分类权重设置，支持字典、'balanced' ；默认 None（不考虑权重 ），样本失衡时可用，“balanced” 按样本量算权重（样本多则权重低 ），也可自定义（如 {0:0.9,1:0.1} ），解决误分类代价高、样本失衡问题 。
   • random_state：伪随机数种子，用于数据洗牌，仅 sag、liblinear 正则化算法生效 。
   • Solver：优化算法，可选 {‘newton - cg’, ‘lbfgs’, ‘liblinear’, ‘sag’, ‘saga’} ，默认 liblinear ：
     • liblinear：坐标轴下降法，适小数据集；多分类用 OvR 策略，仅支持 L2 正则化（newton - cg、sag、lbfgs 同 ），saga 支持 L1/L2 ；
     • newton - cg：牛顿法，二阶泰勒展开减迭代轮数，需算 Hessian 矩阵逆（复杂度高 ）；
     • lbfgs：拟牛顿法，近似 Hessian 矩阵逆，解决牛顿法求逆难题；
     • Sag：随机平均梯度下降，一阶优化，用部分样本算梯度，适大数据集（＞10 万 ），不支持 L1 ；
     • Saga：线性收敛随机优化算法变种，通吃 L1/L2 。
   • max_iter：算法最大迭代次数，int 型，默认 100 ；仅 newton - cg、sag、lbfgs 正则化算法生效 。
   • multi_class：分类策略，可选 ovr（one - vs - rest ）、multinomial（many - vs - many ），默认 ovr ：
     • OvR：多元转二元处理，第 K 类样本为正例，其余为负例做二元回归，遍历类别构建模型；相对简单，分类效果略差（部分场景有优势 ）；选 ovr 时，liblinear、newton - cg、lbfgs、sag 4 种优化算法都可用 。
     • MvM：以 OvO（one - vs - one ）为例，T 类样本需选两类（T1、T2 ），T1 正例、T2 负例做二元回归，共需 T (T - 1)/2 次分类；分类精确但速度慢；选 multinomial 时，仅 newton - cg、lbfgs、sag 优化算法可用 。
   • verbose：日志冗长度，int 型，默认 0（不输出训练过程 ）；1 偶尔输出结果，＞1 则每个子模型都输出 。
   • warm_start：热启动参数，bool 型，默认 False ；为 True 时，下次训练以追加树形式（用上一次调用初始化 ）。
   • n_jobs：并行数，int 型，默认 1（用 CPU 1 个内核 ）；2 则用 2 个内核，-1 用所有 CPU 内核 。

3. 多分类策略与算法关联补充
   OvR 相对简单但效果略差（部分样本分布场景有优势 ），MvM 分类精确但速度慢；选 ovr 时，4 种优化算法（liblinear、newton - cg、lbfgs、sag ）均可搭配；选 multinomial 时，仅 newton - cg、lbfgs、sag 可用 。

二·代码

import numpy as np
# numpy是专门用于处理矩阵数据# 读取数据集
data = np.loadtxt('datingTestSet2.txt')# 数据预处理（按需启用，若不需要筛选可注释）
# data_1 = data[data[:, -1] == 1]  # 找出类别为1的数据
# data_2 = data[data[:, -1] == 2]  # 找出类别为2的数据
# data_3 = data[data[:, -1] == 3]  # 找出类别为3的数据
# data_new = np.concatenate((data_1, data_2), axis=0)  # 拼接类别1和2的数据
# X = data_new[:, :-1]  # 获取特征（不含最后一列标签）
# y = data_new[:, -1]   # 获取标签（最后一列）# 若无需筛选类别，直接用全部数据做特征和标签拆分
X = data[:, :-1]  # 获取所有数据的特征（不含最后一列标签）
y = data[:, -1]   # 获取所有数据的标签（最后一列）"""建立模型"""
from sklearn.model_selection import train_test_split
# 专门用来对数据集进行切分的函数# 拆分数据集为训练集和测试集
x_train_w, x_test_w, y_train_w, y_test_w = train_test_split(X, y, test_size=0.3, random_state=1000
)from sklearn.linear_model import LogisticRegression
# 逻辑回归的类，所有的算法都封装再这个类# 创建逻辑回归模型实例
lr = LogisticRegression(C=0.01)
# 训练模型（用训练集特征和标签）
lr.fit(x_train_w, y_train_w)# 测试集预测
test_predicted = lr.predict(x_test_w)
# 计算模型在测试集上的准确率
result = lr.score(x_test_w, y_test_w)
print("模型在测试集上的准确率：", result)

抽取30%测试集剩下的70%是训练集

x_train_w, x_test_w, y_train_w, y_test_w = train_test_split

 训练级的 x。测试机 x 训练机的 y，测试机的 y

lr中的coef

建立三条数据线，三条方程

三·关于银行的案例下篇文章会讲

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
import matplotlib.pyplot as plt
from pylab import mpl
from sklearn import metricsdata = pd.read_csv(r"./creditcard.csv")scaler = StandardScaler()
data['Amount'] = scaler.fit_transform(data[['Amount']])
data = data.drop(['Time'], axis=1)X_whole = data.drop('Class', axis=1)
y_whole = data['Class']
x_train_w, x_test_w, y_train_w, y_test_w = train_test_split(X_whole, y_whole, test_size=0.3, random_state=1000
)lr = LogisticRegression(C=0.01)
lr.fit(x_train_w, y_train_w)
test_predicted = lr.predict(x_test_w)
result = lr.score(x_test_w, y_test_w)print(metrics.classification_report(y_test_w, test_predicted))mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei']
mpl.rcParams['axes.unicode_minus'] = False
labels_count = pd.value_counts(data['Class'])
labels_count.plot(kind='bar')
plt.title("正负例样本数")
plt.xlabel("类别")
plt.ylabel("频数")
plt.show()