逻辑回归实战--R/python代码 

目录

  

逻辑回归

1、R语言实现：

1.1 传统统计学算法

代码解析

结果查看：

1.2机器学习：

2、python代码实现

2.1传统统计学思想

2.2 python机器学习思想

总结：

---

逻辑回归

又称logistic回归分析，是一种广义的线性回归分析模型；

与多重线性回归的最大区别就是因变量不同，多重线性回归因变量是连续的，而逻辑回归是二项分布（其实逻辑回归的因变量可以是二分类，也可以是多分类，但是二分类更为常用）。

    逻辑回归主要思想是把线性函数，运用Sigmoid函数(逻辑函数或者增长函数)将因变量映射在（0,1）区间上，本文主要是讲代码实战，所以不过多分析模型算法和推导。

1、R语言实现：

R是所有统计工具里面比较简单上手的一个，学习R不需要任何语言基础，只需要加载相关的包，几行代码就可以轻松实现。

1.1 传统统计学算法

代码解析

 

data<-read.table("/Users/admin/Desktop/模型数据/model.csv",header=TRUE,sep=",")
fit.logit<-glm(y~.,data=data,family=binomial())
summary(fit.logit)

结果查看：

 

---

从上面结果可以看出，包括常数项所有参数估计值全部是显著的。

（PS：如果只有部分变量是显著的话(比如：x1、x2、x3是显著的)，代码可以改成：fit.logit<-glm(y~x1+x2+x3,data=data,family=binomial())，y～后面跟“.”，默认因变量与所有自变量进行拟合求解，binomial表示因变量为二分类）

---

        以上为传统统计建模思想，只需要根据参数的显著性来判定模型的拟合优度，但是现在比较流行的机器学习算法，基本不看参数的显著性，主要根据最终的准确率或召回率来评价模型的优劣，在这里我们也介绍下机器学习的逻辑回归的实现。

        首先我们先用tensor flow的流程(阿里云机器学习平台PAI)来看一下，机器学习的视线流程：

机器学习的主要思想就是：

把数据集拆分成训练集和测试集，用训练集来进行建模，测试集进行检验，

最后根据混淆矩阵的总体精准度和召回率来评判模型。

---

1.2机器学习：

下面我们用R把机器学习思想进行实现

tt<-sample(2,nrow(data),replace=T,prob=c(0.7,0.3)) 
train<-data[tt==1,]
test<-data[tt==2,]

fit.logit<-glm(y~.,data=train,family=binomial()) 
predict<-predict(fit.logit,type='response',newdata=test)
real<-test$y
res<-data.frame(real,predict=ifelse(predict>0.5,'t','f'))
table(real,predict=ifelse(predict>0.5,'t','f'))

混淆矩阵结果：

关于混淆矩阵的理解可以参考：混淆矩阵

至此，R实现逻辑回归的算法的代码已经全部介绍完，下面附录一份完整代码：

data<-read.table("/Users/admin/Desktop/模型数据/model.csv",header=TRUE,sep=",")
fit.logit<-glm(y~.,data=data,family=binomial())
summary(fit.logit)

tt<-sample(2,nrow(data),replace=T,prob=c(0.7,0.3))
train<-data[tt==1,]
test<-data[tt==2,]
fit.logit<-glm(y~.,data=train,family=binomial())
predict<-predict(fit.logit,type='response',newdata=test)
real<-test$y
res<-data.frame(real,predict=ifelse(predict>0.5,'t','f'))
table(real,predict=ifelse(predict>0.5,'t','f'))

---

2、python代码实现

2.1传统统计学思想

从上面结果可以看出，所有参数估计值全部是显著的（与R数据源是一致的）。

由于很少有人用python来看统计显著性，所以大部分python需要

将缺少的函数分配回scipy.stats命名空间中：

stats.chisqprob = lambda chisq,df: stats.chi2.sf(chisq, df)

附录代码：

import pandas as pd

data=pd.read_csv("model.csv")

y=data["y"]

col_names = data.columns.tolist()
x_col=col_names[1:]
x=data[x_col]

print(x.describe())

import statsmodels.api as sm
result = sm.Logit(y,x).fit()

from scipy import stats
stats.chisqprob = lambda chisq, df: stats.chi2.sf(chisq, df)

print(result.summary())

predictions = result.predict(x)
predictions[predictions > .5] = 1
predictions[predictions <=.5] = 0
from sklearn.metrics import confusion_matrix
confusion_matrix(y, predictions)
import matplotlib.pyplot as plt
plt.matshow(aa)
plt.title("predict")
plt.colorbar()
plt.ylabel("real")
for x in range(len(aa)):  # 数据标签 
	for y in range(len(aa)):
        		plt.annotate(aa[x, y], xy=(x, y), horizontalalignment='center', verticalalignment='center', color='red')
plt.show()

2.2 python机器学习思想

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.3)

from sklearn.linear_model.logistic import LogisticRegression
classifier=LogisticRegression()
classifier.fit(X_train,y_train)

predictions=classifier.predict(X_test)

confusion_matrix=confusion_matrix(y_test, predictions)

总结：

        基于上述分析和代码拆解，逻辑回归的问题基本可以解决了，当然如果想要深入挖掘还有很多东西可以加进来，比如前面说的交叉验证、正则化惩罚项以及梯度下降优化精准度等。