6、python逻辑回归代码案例实现

逻辑回归（Logistic Regression）

    针对因变量为分类变量而进行回归分析的一种统计方法，属于概率性非线性回归。
    
    优点：算法容易实现和部署，执行效率和准确度高。
    
   缺点：离散类型的自变量数据需要通过生成虚拟变量的额方法来使用
   
  
2 公式对比

线性回归方程

y=a1x1+a2x2+....+anxn

Sigmoid函数（Sigmoid Function）

3、虚拟变量

    哑变量和离散特征编码，可以用来表示分类变量、非数量因素可能产生的影响。
    
    离散特征的取值之间有大小的意义 ，例如：尺寸（L、XL、XXL）
    
    离散特征的取值之间没有大小的意义，例如：颜色（red，Blue，Green）

模块实现： pandas.Series.map(dict)

    离散特征的取值之间有大小意义的处理函数。
    
    参数说明：
    
    dict  映射的字典

4、代码案例实现

[code]import pandas

data=pandas.read_csv('D:\\DATA\\pycase\\number2\\4.4\\Data.csv')

# 1 进行数据质量的分析（缺失值、异常值、一致性分析）基本描述，检查空值

data.describe()

# 此处逻辑回归模型，此外数据量足够大，使用清除方法

data=data.dropna()

data.shape

# 2 数据变换
# 对离散特征进行虚拟变量处理
# 分开为后续预测做蒲地奥，直接调用

dummyColumns=[
'Gender', 'Home Ownership',
'Internet Connection', 'Marital Status',
'Movie Selector', 'Prerec Format', 'TV Signal'
]

# 将逻辑变量进行类型转换

for column in dummyColumns:
data[column]=data[column].astype('category')

dummiesData=pandas.get_dummies(
data,
columns=dummyColumns,
prefix_sep=" ",
drop_first=True
)

# 以性别为例，通过去重查看处理效果,查看某列属性的方法，两种，“。”和【】

dummiesData.columns

data.Gender.unique()

data['Gender'].unique()

dummiesData['Gender Male'].unique()

"""
博士后    Post-Doc
博士      Doctorate
硕士      Master's Degree
学士      Bachelor's Degree
副学士    Associate's Degree
专业院校  Some College
职业学校  Trade School
高中      High School
小学      Grade School
"""
# 有大小离散特征的转化

educationLevelDict = {
'Post-Doc': 9,
'Doctorate': 8,
'Master\'s Degree': 7,
'Bachelor\'s Degree': 6,
'Associate\'s Degree': 5,
'Some College': 4,
'Trade School': 3,
'High School': 2,
'Grade School': 1
}

# 增加数值变量

dummiesData['Education Level Map']=dummiesData['Education Level'].map(educationLevelDict)

freqMap = {
'Never': 0,
'Rarely': 1,
'Monthly': 2,
'Weekly': 3,
'Daily': 4
}
dummiesData['PPV Freq Map'] = dummiesData['PPV Freq'].map(freqMap)
dummiesData['Theater Freq Map'] = dummiesData['Theater Freq'].map(freqMap)
dummiesData['TV Movie Freq Map'] = dummiesData['TV Movie Freq'].map(freqMap)
dummiesData['Prerec Buying Freq Map'] = dummiesData['Prerec Buying Freq'].map(freqMap)
dummiesData['Prerec Renting Freq Map'] = dummiesData['Prerec Renting Freq'].map(freqMap)
dummiesData['Prerec Viewing Freq Map'] = dummiesData['Prerec Viewing Freq'].map(freqMap)

dummiesData.columns

# 选取特征值

dummiesSelect = [
'Age', 'Num Bathrooms', 'Num Bedrooms', 'Num Cars', 'Num Children', 'Num TVs',
'Education Level Map', 'PPV Freq Map', 'Theater Freq Map', 'TV Movie Freq Map',
'Prerec Buying Freq Map', 'Prerec Renting Freq Map', 'Prerec Viewing Freq Map',
'Gender Male',
'Internet Connection DSL', 'Internet Connection Dial-Up',
'Internet Connection IDSN', 'Internet Connection No Internet Connection',
'Internet Connection Other',
'Marital Status Married', 'Marital Status Never Married',
'Marital Status Other', 'Marital Status Separated',
'Movie Selector Me', 'Movie Selector Other', 'Movie Selector Spouse/Partner',
'Prerec Format DVD', 'Prerec Format Laserdisk', 'Prerec Format Other',
'Prerec Format VHS', 'Prerec Format Video CD',
'TV Signal Analog antennae', 'TV Signal Cable',
'TV Signal Digital Satellite', 'TV Signal Don\'t watch TV'
]

inputData = dummiesData[dummiesSelect]

# 选取结果值

outputData = dummiesData[['Home Ownership Rent']]

# 导入逻辑回归的方法

from sklearn import linear_model

lrModel = linear_model.LogisticRegression()

lrModel.fit(inputData, outputData)

lrModel.score(inputData, outputData)

## 数据预测准备，需要对数据进行同样的标准化处理才可以进行预测

newData = pandas.read_csv(
'D:\\DATA\\pycase\\number2\\4.4\\newData.csv',
encoding='utf8'
)

# 变量转换需要和样本的准换类型相一致一致

for column in dummyColumns:
newData[column] = newData[column].astype(
'category',
categories=data[column].cat.categories
)

newData = newData.dropna()

# 直接调用样本的方法

newData['Education Level Map'] = newData['Education Level'].map(educationLevelDict)

newData['PPV Freq Map'] = newData['PPV Freq'].map(freqMap)
newData['Theater Freq Map'] = newData['Theater Freq'].map(freqMap)
newData['TV Movie Freq Map'] = newData['TV Movie Freq'].map(freqMap)
newData['Prerec Buying Freq Map'] = newData['Prerec Buying Freq'].map(freqMap)
newData['Prerec Renting Freq Map'] = newData['Prerec Renting Freq'].map(freqMap)
newData['Prerec Viewing Freq Map'] = newData['Prerec Viewing Freq'].map(freqMap)

dummiesNewData = pandas.get_dummies(
newData,
columns=dummyColumns,
prefix=dummyColumns,
prefix_sep=" ",
drop_first=True
)

inputNewData = dummiesNewData[dummiesSelect]

lrModel.predict(inputData)