首先需要明確一點(diǎn)是logistics回歸和線性回歸的區(qū)別：

1線性回歸的因變量Y是連續(xù)性變量，而logistics回歸是分類(lèi)變量。

2線性回歸最后可以通過(guò)函數(shù)y=a1x1+a2x2...去描述，而logistics的方程是這樣的

好吧，大學(xué)數(shù)學(xué)忘了差不多了，反正可以理解為是一個(gè)概率函數(shù)吧。所以logistics回歸的因變量y的值是在0-1之間的，得到的數(shù)值y可以看做屬于類(lèi)別1的概率，當(dāng)0.5≤y≤1，則說(shuō)明是類(lèi)別1，不然則是類(lèi)別0。

Logistics主要會(huì)用做二分類(lèi)的問(wèn)題，典型的一個(gè)場(chǎng)景比如說(shuō)：

分類(lèi)問(wèn)題示例：信用卡

從x1:職業(yè)，x2：收入，x3：年齡等等信用卡申請(qǐng)人不同的信息維度，來(lái)判斷y：是否發(fā)放信用卡，發(fā)放哪一類(lèi)信用卡

這里這次探究的數(shù)據(jù)來(lái)自于《誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析-spss篇》中的華南區(qū)商戶(hù)續(xù)約數(shù)據(jù)，數(shù)據(jù)大體有這么些維度：

根據(jù)注冊(cè)市場(chǎng)，營(yíng)業(yè)收入，成本等維度可以去預(yù)測(cè)這家商戶(hù)是否還會(huì)繼續(xù)續(xù)約。

在SPSS中方法是比較簡(jiǎn)單的，直接通過(guò)分析--二元Logistics回歸即可

輸出的總體正確率為73.1%，其中對(duì)角線上的300和797分別表示“未續(xù)約”和“續(xù)約”的預(yù)測(cè)正確個(gè)數(shù)。

而且三個(gè)特征以及常量的顯著性均小于0.01,說(shuō)明都具有極其顯著的統(tǒng)計(jì)學(xué)意義，應(yīng)納入Logistics模型中。那實(shí)際上就可以得到方程式

logit(P)=-2.287+0.099*注冊(cè)時(shí)長(zhǎng)+0.014*營(yíng)業(yè)收入-0.184*成本。

通過(guò)這個(gè)方程式計(jì)算概率的話(huà)就可以得到預(yù)測(cè)的分類(lèi)到底是續(xù)約還是不續(xù)約。

接下來(lái)對(duì)比一下在python中用Logistics回歸得到的結(jié)果會(huì)是如何？數(shù)據(jù)源鏈接如下(CSV格式)：

主要還是用numpy，pandas以及scikit-learn三件套為主。

import pandas

sc=pandas.read_csv('D:\\SC-sales.csv',encoding='utf-8')

sc.info()

pandas導(dǎo)入后通過(guò)info看到共1500行數(shù)據(jù)，無(wú)空值，可以直接開(kāi)始后面的操作

import sklearn

import numpy as np

from sklearn import linear_model

lm=linear_model.LogisticRegression() #這里使用LogisticRegression的默認(rèn)參數(shù)

features=['注冊(cè)時(shí)長(zhǎng)','營(yíng)業(yè)收入','成本']

x=sc[features]

y=sc['續(xù)約']

from sklearn.model_selection import cross_val_score

#logistic中的scoring參數(shù)指定為accuracy

scores=cross_val_score(lm,x,y,cv=5,scoring='accuracy') #cv=5即是5折交叉檢驗(yàn)

print(np.mean(scores)) #求平均的交叉檢驗(yàn)的值

#結(jié)果輸出為0.728015363134

可以看到這個(gè)結(jié)果基本上和SPSS做出來(lái)是一樣的，關(guān)于交叉檢驗(yàn)在引用一下說(shuō)明順便也當(dāng)復(fù)習(xí)一下。在機(jī)器學(xué)習(xí)中，交叉檢驗(yàn)常被用來(lái)檢驗(yàn)?zāi)Ｐ秃脡?#xff0c;本質(zhì)上好處是可以從有限的數(shù)據(jù)中獲得盡可能多的有效信息，從而可以從多個(gè)角度去學(xué)習(xí)樣本，避免陷入局部的極值。在這個(gè)過(guò)程中，無(wú)論是訓(xùn)練樣本還是測(cè)試樣本都得到了盡可能多的學(xué)習(xí)。

一般檢驗(yàn)方法常見(jiàn)的有：k-folds 交叉驗(yàn)證法(常見(jiàn)用5折或者10折)，leave-one-out 法(留一法)k-folds交叉驗(yàn)證法: 也叫k折交叉驗(yàn)證法，將初始數(shù)據(jù)集分割成 k 份，其中1份被保留作為驗(yàn)證模型的數(shù)據(jù)，其他 k-1 份用來(lái)訓(xùn)練。交叉驗(yàn)證重復(fù) k 次，每份數(shù)據(jù)作為驗(yàn)證集驗(yàn)證一次，平均 k 次的結(jié)果或者使用其它結(jié)合方式，最終得到一個(gè)單一估測(cè)

leave-one-out 法：也叫留一交叉驗(yàn)證法，只使用原本樣本中的一項(xiàng)來(lái)當(dāng)做驗(yàn)證集， 而剩余的則留下來(lái)當(dāng)做訓(xùn)練集。 這個(gè)步驟一直持續(xù)到每個(gè)樣本都被當(dāng)做一次驗(yàn)證數(shù)據(jù)

所以當(dāng)k取n時(shí)實(shí)際上兩者是等價(jià)的。

綜上來(lái)看，用LR進(jìn)行預(yù)測(cè)總體來(lái)說(shuō)并不是特別好，下一步可以考慮用決策樹(shù)和隨機(jī)森林再來(lái)進(jìn)行嘗試。

總結(jié)

以上是生活随笔為你收集整理的python分类预测_python做logistic分类预测尝试的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。