机器学习总结(二)：逻辑回归

上一篇博客我简要总结了线性回归的知识点，这篇博客将主要回顾逻辑回归的知识点，作为线性模型的另一种，逻辑回归主要用于分类问题，即用于因变量是离散类型的场景，在实际的应用中尤其是二分类问题中比较常见。

逻辑回归知识点

逻辑回归损失函数及其梯度的推导

决策边界(decision boundary)

高级优化算法

多类别分类问题

逻辑回归代码实现

正则化后的逻辑回归

以上知识点因为数学公式较多，编辑困难的原因，我都采用手写的形式呈现出来，具体可见最后面的附加笔记部分。

逻辑回归代码实现

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets, linear_model, discriminant_analysis, cross_validation

def load_data():
iris = datasets.load_iris()
y_train = iris.target
#在此最后一个参数stratify表示分层采样，因为原始的iris数据集前50个样本类别都是0，中间50个样本类别是1
#最后50个样本的类别是2，如果不采用分层采样的话，会造成测试数据集不是无偏的情况
return cross_validation.train_test_split(iris.data, iris.target, test_size=0.25, random_state=0, stratify=y_train)

def test_logisticRegression(*data):
X_train, X_test, y_train, y_test = data
logisticRegression = linear_model.LogisticRegression()
logisticRegression.fit(X_train, y_train)
print("权重向量:%s, b的值为:%s" % (logisticRegression.coef_, logisticRegression.intercept_))
print("预测性能得分: %.2f" % logisticRegression.score(X_test, y_test))

# 测试multi_class参数对分类结果的影响，multi_class参数可以设置成ovr即one-vs-rest策略和multinomial两种
# 默认采用的是one-vs-rest策略，但是逻辑回归是支持多类分类的，在我们设置multi_class='multinomial'使用
# LogisticRegression的时候，只有solver参数为牛顿法或者拟牛顿法才能配合其使用,否则会报错。
def test_logisticRegression_multinomial(*data):
X_train, X_test, y_train, y_test = data
logisticRegression = linear_model.LogisticRegression(multi_class='multinomial', solver='lbfgs')
logisticRegression.fit(X_train, y_train)
print("权重向量:%s, b的值为:%s" % (logisticRegression.coef_, logisticRegression.intercept_))
print("预测性能得分: %.2f" % logisticRegression.score(X_test, y_test))

#测试参数C对分类结果的影响，参数C表示正则化系数的倒数，他越小则正则化项的权重越大。
def test_logisticRegression_C(*data):
X_train, X_test, y_train, y_test = data
# 创建从10的-2次方开始，10的4次方结束的100个数组成的等比数列，注意logspace函数默认是用10作为幂的
# 如果想要修改幂的话，可以设置base参数
Cs = np.logspace(-2, 4, num=100)
scores = []
for C in Cs:
logisticRegression = linear_model.LogisticRegression(C=C)
logisticRegression.fit(X_train, y_train)
scores.append(logisticRegression.score(X_test, y_test))
return Cs, scores

def show_plot(Cs, scores):
figure = plt.figure()
axe = figure.add_subplot(1, 1, 1)
axe.plot(Cs, scores)
axe.set_xlabel(r"C")
axe.set_ylabel(r"score")
axe.set_xscale('log')
axe.set_title("LogisticRegression")
plt.show()

if __name__== '__main__':
#使用默认的参数情况下的逻辑回归
X_train, X_test, y_train, y_test = load_data()
test_logisticRegression(X_train, X_test, y_train, y_test)

#设置参数multi_class='multinomial',参数solver='lbfgs'情况下的逻辑回归
test_logisticRegression_multinomial(X_train, X_test, y_train, y_test)

#测试参数C对逻辑回归分类结果的影响，并绘制出C值与预测准确率之间的图像
Cs, scores = test_logisticRegression_C(X_train, X_test, y_train, y_test)
show_plot(Cs, scores)

注释：test_logisticRegression方法使用的是默认参数的逻辑回归；test_logisticRegression_multinomial方法使用的是设置了multi_class和solver参数的逻辑回归；test_logisticRegression_C方法使用的是设置了参数C的逻辑回归。

示例输出

权重向量:[[ 0.39310895  1.35470406 -2.12308303 -0.96477916]
[ 0.22462128 -1.34888898  0.60067997 -1.24122398]
[-1.50918214 -1.29436177  2.14150484  2.2961458 ]], b的值为:[ 0.24122458  1.13775782 -1.09418724]
预测性能得分: 0.97
权重向量:[[-0.38369615  0.85492705 -2.27255078 -0.98450966]
[ 0.34345813 -0.3737305  -0.03022902 -0.86134613]
[ 0.04023802 -0.48119655  2.3027798   1.84585579]], b的值为:[  8.80069791   2.46878114 -11.26947905]
预测性能得分: 1.00

可以看到，使用默认参数的逻辑回归，准确率能达到97%；设置multi_class以及solver参数之后的逻辑回归，准确率居然能达到100%；而对于设置了不同C值的逻辑回归，随着C值的变大(正则化项变小，因为C值是正则化系数的倒数，系数变大，为了保证损失函数变小，正则化项只能变小啦)，预测的准确率是呈现上升趋势的，当C值增大到一定程度之后，准确率也维持在一个相对稳定的状态了。

附加笔记

参考文献

python大战机器学习

Andrew Ng 机器学习公开课

http://www.jianshu.com/p/f374de37efc3

http://blog.csdn.net/programmer_wei/article/details/52072939