目录
第一章：逻辑回归的应用场景
第二章：逻辑回归的原理
1.输入
2.Sigmoid函数
3.损失函数
4.优化损失
采用梯度下降：
第三章 逻辑回归应用案例
1.数据集
2.具体流程
1.读取数据
2.缺失值处理
3.划分数据集
4.标准化
5.预估器流程
6.模型评估
7.结果展示
第四章 分类评估算法
1.分类的评估方法——精确率与召回率
精确率：
召回率：
F1-score
2.分类的评估方法——ROC曲线和AUC指标
第一章：逻辑回归的应用场景
- 广告点击率
- 是否为垃圾邮件
- 是否患病
- 金融诈骗
- 虚假账号
看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器。
注意：逻辑回归虽然名字中有回归二字，但是它不是回归算法，而是分类算法。
第二章：逻辑回归的原理
1.输入
这是线性回归输出的结果，我们一般可以写成矩阵形式。如下：
权重和偏置分别用矩阵表示之后，将上面的式子可以写成下面的：
重点：逻辑回归的输入就是一个线性回归的结果。
2.Sigmoid函数
图像为：
观察该图像，自变量取值范围是（-∞，+∞），因变量取值范围为（0,1），意思是无论自变量取值多少，都可以通过sigmoid函数映射到（0,1）之间。
总结：sigmoid函数，会把线性回归的结果映射到【0,1】之间，假设0.5为阈值，默认会把小于0.5的为0，大于0.5的为1，这样就可以分类了
假设：预测函数为：
其中
以上两式的意思是，先把线性回归的结果用矩阵表示，在将表示的结果放到sigmoid函数当中。
分类任务:
理解：以丢硬币的概率举例，假如正面的概率是0.7，那么反面的概率是1-0.7=0.3
将上面两个式子进行整合，得到：
这个式子的特点，当y=0的时候，整体会等于右边这个式子，当y=1的时候，整体会等于左边这个式子。
3.损失函数
为求出好的逻辑回归，引出损失函数 ：
①损失函数是体现“预测值”和“真实值”，相似程度的函数
②损失函数越小，模型越好
逻辑回归的损失，称之为对数似然损失，公式如下：
这个式子也不陌生，将上面整合的式子，取对数，原先是相乘，取对数之后会相加，指数也可以移到前面。
假定样本与样本之间相互独立，那么整个样本集生成的概率即为所有样本生成概率的乘积，再将公式对数化，便可得到如下公式：
举例：求损失
其中，y代表真实结果，h(x)或者1-h（x）表示的是逻辑回归结果（也是预测值），将值带入即可得到。
4.优化损失
采用梯度下降：
理解：α为学习速率，需要手动指定，α旁边的整体表示方向
沿着这个函数下降的方向找，最后就能找到山谷的最低点，然后更新W值
使用：面对训练数据规模十分庞大的任务 ，能够找到较好的结果
图像表示如下：
就是不断的缩小自身的值，最后找到最低点。
第三章 逻辑回归应用案例
1.数据集
原始数据集下载
网址：Index of /ml/machine-learning-databases/breast-cancer-wisconsin
打开之后，下载红色标注的两个。
其中data里面是数据，共699条样本，共11列数据，第一列用语检 索的id，后9列分别是与肿瘤相关的医学 特征，最后一列表示肿瘤类型的数值。包含16个缺失值，用”?”标出。
names里面是对data文件的描述，主要是对data里面每列的说明，最后一列是类别。
2.具体流程
1.读取数据
需要注意的是数据和列明分开了，因此在进行读取的时候，要一块读取。
import pandas as pdimport numpy as np# 1.读取数据path = "breast-cancer-wisconsin.data"column_name = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape', 'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin', 'Normal Nucleoli', 'Mitoses', 'Class']data = pd.read_csv(path, names=column_name)# print(data)2.缺失值处理
# 2、缺失值处理# 1）替换-》np.nandata = data.replace(to_replace="" /> 代码还未结束，后面还有评估代码
第四章 分类评估算法
1.分类的评估方法------精确率与召回率
我们往往并不关注准确率，而是关注癌症患者中癌症患者有没有检测出来，于是就有了精确率与召回率。
在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵。
精确率：
预测结果为正例样本中真实结果为正例的比例，在混淆矩阵中展示情况为：
召回率：
真实结果为正例的样本中预测结果为正例的比例，在混淆矩阵中展示情况为：
总结：
精确率是预测结果的正例中有多少是真正预测正确的
召回率是真实结果的正例有多少被预测对了
以上就是精确率和召回率，现在介绍F1-score
F1-score
反映了模型的稳健型，F1值大的话，精确率和召回率也大
现在用代码实现精确率、召回率和F1-score
# 查看精确率、召回率、F1-scorefrom sklearn.metrics import classification_reportreport = classification_report(y_test, y_predict, labels=[2, 4], target_names=["良性", "恶性"])print(report)
结果为：
在引入ROC曲线和AUC指标之前，举个样本不均衡的例子
思考？
假设这样一个情况，如果99个样本癌症，1个样本非癌症，不管怎样我全都预测正例(默认癌症为正例)
将这写信息写入混淆矩阵中，如下：
分别计算：
准确率：99%
精确率：99/(99+1)=99%
召回率：99/(99+0)=100%
F1-score:2*99%*100%/99%+100%=99.497487%
可以看出，这是一个不负责的模型，根本原因在于样本不均衡，正例太多，反例太少。引入ROC曲线和AUC指标。
2.分类的评估方法------ROC曲线和AUC指标
在引入ROC曲线和AUC指标之前，还要了解TPR与FPR。
TPR = TP / (TP + FN)
所有真实类别为1的样本中，预测类别为1的比例
FPR = FP / (FP + TN)
所有真实类别为0的样本中，预测类别为1的比例
分类的评估方法------ROC曲线和AUC指标
蓝色的线就是ROC曲线，AUC指标是ROC曲线与纵轴和横轴的面积。
现在介绍这张图：
ROC曲线的横轴就是FPRate，纵轴就是TPRate，当二者相等时，表示的意义则是：对于不论真实类别是1还是0的样本，分类器预测为1的概率是相等的，此时AUC为0.5（即随机猜测）
AUC的最小值为0.5，最大值为1，取值越高越好
AUC=1，完美分类器，采用这个预测模型时，不管设定什么阈值都能得出完美预测。绝大多数预测的场合，不存在完美分类器。
0.5
结论：
最终AUC的范围在[0.5, 1]之间，并且越接近1越好。
通过代码实现，计算ROC曲线面积，即AUC指标：
# y_true：每个样本的真实类别，必须为0(反例),1(正例)标记# 将y_test 转换成 0 1y_true = np.where(y_test > 3, 1, 0)from sklearn.metrics import roc_auc_scoreprint("AUC指标：",roc_auc_score(y_true, y_predict))
其结果展示：
总结：
AUC只能用来评价二分类
AUC非常适合评价样本不平衡中的分类器性能
现在知道了ROC曲线和AUC指标，再回到前面提到的样本不均衡的例子，即思考那个地方。
TPR:99/99+0=100%
FPR:1/1+0=100%
TPR=FPR
AUC=0.5
对于这种样本不均衡的情况下，AUC指标是0.5，表明这个模型很差。
注：
说明，以上内容来自于黑马程序员机器学习视频的学习。
以上内容也是机器学习课程老师留的作业，原先是PPT形式，觉得整体上比较完整，因此将此发到博客上，让以后的自己和他人学习。2022.6.16