机器学习基础 LR学习

1 LR是什么？

LR全称Logistic Regression，逻辑回归。虽然名称中带有回归。逻辑回归，可以做分类的事情，也可以做回归的事情。
通常来讲，机器学习分为分类和回归两种模型，分类做的是离散值的预测，比如0，1，真，假等，回归做的是连续值的预测，比如概率，温度等。例如：用逻辑回归实现一个猫分类器，输入一张图片 x ，预测图片是否为猫，输出该图片中存在猫的概率结果 y。
Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。
Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。机器学习就是一个模型对外界的刺激（训练样本）做出反应，趋利避害（评价标准）。

2 为什么用LR？

简单。容易使用可视化图形进行展示。不像神经网络一样，中间的hidden layer无法描述。

3 怎么用LR？

这里以内嵌数据集合：鸢尾花数据集为例进行介绍，使用sklearn库中的LogisticRegression来分类我们的数据。
数据说明：
鸢花数据（iris）进行方法的尝试训练，该数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为 花的类别 其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征，分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm)，这些形态特征在过去被用来识别物种。

首先我们需要导入需要的库：

##  基础函数库
import numpy as np 
import pandas as pd

## 绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns

数据集准备：使用sklearn自带的数据集

##我们利用sklearn中自带的iris数据作为数据载入，并利用Pandas转化为DataFrame格式
from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式

导入数据后，我们可以先查看一下数据的相关信息，如前5行，后5行，数据类型，以及数据的均值，方差等

##进行简单的数据查看，我们可以利用.head()头部.tail()尾部
iris_features.head()
iris_features.tail()
##利用.info()查看数据的整体信息
iris_features.info()
##对于特征进行一些统计描述
iris_features.describe()

统计一下标签分布情况

##标签分布
pd.Series(iris_target).value_counts()

合并特征数据和标签，迭代查看每两个特征对分类对影响

## 合并标签和特征信息
iris_all = iris_features.copy() ##进行浅拷贝，防止对于原始数据的修改
iris_all['target'] = iris_target
## 特征与标签组合的散点可视化
sns.pairplot(data=iris_all,diag_kind='hist', hue= 'target')
plt.show()

此时使用sklearn库中对LogisticRegression即可简单对使用我们对逻辑回归对我们对数据进行分类
这里使用了lbfgs优化器（拟牛顿法）

##从sklearn中导入逻辑回归模型
from sklearn.linear_model import LogisticRegression
##定义逻辑回归模型
clf=LogisticRegression(random_state=0,solver='lbfgs')
##在训练集上训练逻辑回归模型
clf.fit(x_train,y_train)

此时查看我们训练完后的参数w和b

##查看其对应的w
print('the weight of Logistic Regression:',clf.coef_)

##查看其对应的w0
print('the intercept(w0) of Logistic Regression:',clf.intercept_)

利用训练好的模型参数，进行预测：

##在训练集和测试集上分布利用训练好的模型进行预测
train_predict=clf.predict(x_train)
test_predict=clf.predict(x_test)

使用混淆矩阵进行展示我们的预测结果：

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
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_train,train_predict))
print('The accuracy of the Logistic Regression is:',metrics.accuracy_score(y_test,test_predict))

##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('Predictedlabels')
plt.ylabel('Truelabels')
plt.show()