一、邏輯回歸

1.模型的保存與加載

模型訓(xùn)練好之后，可以直接保存，需要用到j(luò)oblib庫。保存的時候是pkl格式，二進(jìn)制，通過dump方法保存。加載的時候通過load方法即可。

安裝joblib：conda install joblib

保存：joblib.dump(rf, 'test.pkl')

加載：estimator = joblib.load('模型路徑')

加載后直接將測試集代入即可進(jìn)行預(yù)測。

2.邏輯回歸原理

邏輯回歸是一種分類算法，但該分類的標(biāo)準(zhǔn)，是通過h(x)輸入后，使用sigmoid函數(shù)進(jìn)行轉(zhuǎn)換，同時根據(jù)閾值，就能夠針對不同的h(x)值，輸出0-1之間的數(shù)。我們將這個0-1之間的輸出，認(rèn)為是概率。假設(shè)閾值是0.5，那么，大于0.5的我們認(rèn)為是1，否則認(rèn)為是0。邏輯回歸適用于二分類問題。

①邏輯回歸的輸入

可以看出，輸入還是線性回歸的模型，里面還是有權(quán)重w，以及特征值x，我們的目標(biāo)依舊是找出最合適的w。

②sigmoid函數(shù)

該函數(shù)圖像如下：

該函數(shù)公式如下：

z就是回歸的結(jié)果h(x)，通過sigmoid函數(shù)的轉(zhuǎn)化，無論z是什么值，輸出都是在0-1之間。那么我們需要選擇最合適的權(quán)重w，使得輸出的概率及所得結(jié)果，能夠盡可能地貼近訓(xùn)練集的目標(biāo)值。因此，邏輯回歸也有一個損失函數(shù)，稱為對數(shù)似然損失函數(shù)。將其最小化，便可求得目標(biāo)w。

③邏輯回歸的損失函數(shù)

損失函數(shù)在y=1和0的時候的函數(shù)圖像如下：

由上圖可看出，若真實值類別是1，則h(x)給出的輸出，越接近于1，損失函數(shù)越小，反之越大。當(dāng)y=0時同理。所以可據(jù)此，當(dāng)損失函數(shù)最小的時候，我們的目標(biāo)就找到了。

④邏輯回歸特點

邏輯回歸也是通過梯度下降進(jìn)行的求解。對于均方誤差來說，只有一個最小值，不存在局部最低點；但對于對數(shù)似然損失，可能會出現(xiàn)多個局部最小值，目前沒有一個能完全解決局部最小值問題的方法。因此，我們只能通過多次隨機初始化，以及調(diào)整學(xué)習(xí)率的方法來盡量避免。不過，即使最后的結(jié)果是局部最優(yōu)解，依舊是一個不錯的模型。

3.邏輯回歸API

sklearn.linear_model.LogisticRegression

其中penalty是正則化方式，C是懲罰力度。

4.邏輯回歸案例

①案例概述

給定的數(shù)據(jù)中，是通過多個特征，綜合判斷腫瘤是否為惡性。

②具體流程

由于算法的流程基本一致，重點都在于數(shù)據(jù)和特征的處理，因此本文中不再詳細(xì)闡述，代碼如下：

注意：

邏輯回歸的目標(biāo)值不是0和1，而是2和4，但不需要進(jìn)行處理，算法中會自動標(biāo)記為0和1

算法預(yù)測完畢后，如果想看召回率，需要注意對所分的類別給出名字，但給名字之前需要先貼標(biāo)簽。見上圖。否則方法不知道哪個是良性，哪個是惡性。貼標(biāo)簽的時候順序需對應(yīng)好。

一般情況下，哪個類別的樣本少，就按照哪個來去判定。比如惡性的少，就以“判斷屬于惡性的概率是多少”來去判斷

5.邏輯回歸總結(jié)

應(yīng)用：廣告點擊率預(yù)測、是否患病等二分類問題

優(yōu)點：適合需要得到一個分類概率的場景

缺點：當(dāng)特征空間很大時，邏輯回歸的性能不是很好 （看硬件能力）

二、非監(jiān)督學(xué)習(xí)

非監(jiān)督學(xué)習(xí)就是，不給出正確答案。也就是說數(shù)據(jù)中沒有目標(biāo)值，只有特征值。

1.k-means聚類算法原理

假設(shè)聚類的類別為3類，流程如下：

①隨機在數(shù)據(jù)中抽取三個樣本，作為類別的三個中心點

②計算剩余的點分別道三個中心點的距離，從中選出距離最近的點作為自己的標(biāo)記。形成三個族群

③分別計算這三個族群的平均值，把三個平均值與之前的三個中心點進(jìn)行比較。如果相同，結(jié)束聚類，如果不同，把三個平均值作為新的聚類中心，重復(fù)第二步。

2.k-means API

sklearn.cluster.KMeans

通常情況下，聚類是做在分類之前。先把樣本進(jìn)行聚類，對其進(jìn)行標(biāo)記，接下來有新的樣本的時候，就可以按照聚類所給的標(biāo)準(zhǔn)進(jìn)行分類。

3.聚類性能評估

①性能評估原理

簡單來說，就是類中的每一個點，與“類內(nèi)的點”的距離，以及“類外的點”的距離。距離類內(nèi)的點，越近越好。而距離類外的點，越遠(yuǎn)越好。

如果sc_i 小于0，說明a_i 的平均距離大于最近的其他簇。 聚類效果不好

如果sc_i 越大，說明a_i 的平均距離小于最近的其他簇。 聚類效果好

輪廓系數(shù)的值是介于 [-1,1] ，越趨近于1代表內(nèi)聚度和分離度都相對較優(yōu)

②性能評估API

sklearn.metrics.silhouette_score

聚類算法容易收斂到局部最優(yōu)，可通過多次聚類解決。

以上就是python機器基礎(chǔ)邏輯回歸與非監(jiān)督學(xué)習(xí)的詳細(xì)內(nèi)容，更多關(guān)于python機器學(xué)習(xí)邏輯回歸與非監(jiān)督的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論