天池机器学习教程----逻辑回归的学习

目录

实现流程与相关代码

sklearn相关API的学习

matplotlib&&seaborn补充

实现流程与相关代码

• • Step1:库函数导入

  • from sklearn import datasets
    import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    import seaborn as sns
    from sklearn.linear_model import LogisticRegression
    

• • Step2:数据读取/载入

  • data_iris=datasets.load_iris()
    type(data_iris) 
    data_target=data_iris.target #目标
    data_target
    data_features=pd.DataFrame(data=data_iris.data,columns=data_iris.feature_names) #将其转化为dataframe数据结构  data.iris.data 特征
    
    data_features.head() #查看前5行

• • Step3:数据信息简单查看

  • data_features.head()
    data_features.info() #可以看看是否有空值
    data_features.info  #详细的信息
    pd.value_counts(data_target) #看看每个种类的数量
    data_features.describe()

• • Step4:可视化描述

1. 整体上看data之间的关系

   iris_all=data_features.copy()#生成副本防止对原始数据修改
   iris_all['target']=data_target
   
   sns.pairplot(data=iris_all,hue='target')

2. 箱型图 查看各特征的异常值，最大值，中位数，最小值

   for col in data_features.columns:
       sns.boxplot(x='target',y=col,data=iris_all) #x和y的名字不是随便取的  而是dataframe每一列的名称
       plt.title(col) #设置标题title
       plt.show()
   #异常值 最大值 中位数 最小值

• • Step5:利用 逻辑回归模型 在二分类上 进行训练和预测

  • ##利用逻辑回归模型 在二分类上训练和预测
    from sklearn.model_selection import train_test_split
    
    #选择target为0 1的数据
    iris_feature=data_features.iloc[:100,:]
    iris_target=data_target[:100]
    # iris_target.size
    #训练集大小为0.7 测试集大小为0.3
    x_train,x_test,y_train,y_test=train_test_split(iris_feature,iris_target,test_size=0.3
                                    ,random_state=100)
    
    Clf=LogisticRegression(random_state=100,solver='lbfgs')
    #
    Clf.fit(x_train,y_train) #训练模型
    train_predict=Clf.predict(x_train)
    test_predict=Clf.predict(x_test)
    

• step5：模型评判 

  from sklearn import metrics
  #利用accuracy（准确度）【预测正确的样本数目占总预测样本数目的比例】评估模型效果
  train_accuracy=metrics.accuracy_score(y_train,train_predict)
  test_accuracy=metrics.accuracy_score(y_test,test_predict)
  print("The train accuracy of the Logistic Regression is:",train_accuracy)
  print("The accuracy of the Logistic Regression is:",test_accuracy)
  #查看混淆矩阵
  ## 查看混淆矩阵 (预测值和真实值的各类情况统计矩阵)
  confusion_matrix_result = metrics.confusion_matrix(test_predict,y_test)
  print('The confusion matrix result:\n',confusion_matrix_result)
  # 利用热力图对于结果进行可视化
  plt.figure(figsize=(8, 6))
  sns.heatmap(confusion_matrix_result, annot=True, cmap='Blues')
  plt.xlabel('Predicted labels')
  plt.ylabel('True labels')
  plt.show()

sklearn相关API的学习

1. train_test_split     

#训练集大小为0.7 测试集大小为0.3

from sklearn.model

x_train,x_test,y_train,y_test=train_test_split(iris_feature,iris_target,test_size=0.3
                                ,random_state=100)

#random_state 设置的原因：随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

# stratify是为了保持split前类的分布。比如有100个数据，80个属于A类，20个属于B类。如果train_test_split(... test_size=0.25, stratify = y_all), 那么split之后数据如下： 
# training: 75个数据，其中60个属于A类，15个属于B类。 
# testing: 25个数据，其中20个属于A类，5个属于B类。 

# 用了stratify参数，training集和testing集的类的比例是 A：B= 4：1，等同于split前的比例（80：20）。通常在这种类分布不平衡的情况下会用到stratify。
 

matplotlib&&seaborn补充

1. xlim 链接
2. grid 网格线设置
3. contour https://www.jianshu.com/p/487b211d3c37     https://blog.csdn.net/Mr_Cat123/article/details/80677525
4. Sean born  https://zhuanlan.zhihu.com/p/24464836
5. annatate https://blog.csdn.net/qq_30638831/article/details/79938967
6. scatter参数详解 https://blog.csdn.net/qiu931110/article/details/68130199