Python实现鸢尾花数据集分类问题——使用LogisticRegression分类器
. 逻辑回归
逻辑回归(Logistic Regression)是用于处理因变量为分类变量的回归问题,常见的是二分类或二项分布问题,也可以处理多分类问题,它实际上是属于一种分类方法。
概率p与因变量往往是非线性的,为了解决该类问题,我们引入了logit变换,使得logit(p)与自变量之 间存在线性相关的关系,逻辑回归模型定义如下:
#Sigmoid曲线:
import matplotlib.pyplot as plt
import numpy as np def Sigmoid(x):
return 1.0 / (1.0 + np.exp(-x)) x= np.arange(-10, 10, 0.1)
h = Sigmoid(x) #Sigmoid函数
plt.plot(x, h)
plt.axvline(0.0, color='k') #坐标轴上加一条竖直的线(0位置)
plt.axhspan(0.0, 1.0, facecolor='1.0', alpha=1.0, ls='dotted')
plt.axhline(y=0.5, ls='dotted', color='k') #在y=0.5的地方加上黑色虚线
plt.yticks([0.0, 0.5, 1.0]) #y轴标度
plt.ylim(-0.1, 1.1) #y轴范围
plt.show()
二、鸢尾花分类问题的思路分析
(1)选择使用LogisticRegression分类器,由于Iris数据集涉及到3个目标分类问题,而逻辑回归模型是二分类模型,用于二分类问题。因此,可以将其推广为多项逻辑回归模型(multi-nominal logistic regression model),用于多分类。
(2)根据多项逻辑回归模型,编写代码,输入数据集,训练得到相应参数并作出预测。
(3)对预测出的数据的分类结果和原始数据进行可视化展示。
三、多项逻辑回归模型的原理及推导过程
假设类别 Y 的取值集合为 {1,2,...,K},那么多项逻辑回归模型是:
其似然函数为:
其中, 为模型在输入样本
时,将其判为类别k 的概率;
起到指示函数的作用,当K 等于样本
的标签类别时为1,其余均为0。
对似然函数取对数,然后取负,得到(简记为:
),最终要训练出的模型参数要使得
的值取得最小。
的推导过程如下:
考虑到过拟合的发生,对加上一个正则项:
则可以写成:
对关于
求梯度,得到:
在上式中,第一项可以看成是类别k的后验期望值,第二项
视为类别k 的先验期望值,第三项是正则化项,用于缓解过拟合。
接下来使用梯度下降法对参数 进行修正更新即可:
四、实现步骤
4.1 读入数据文件
这里需要注意的是,在datas中取前两列作为特征(为了后期的可视化画图更加直观,故只取前两列特征值向量进行训练)
attributes=['SepalLength','SepalWidth','PetalLength','PetalWidth'] #鸢尾花的四个属性名 datas=[]
labels=[] # with open('IRIS_dataset.txt','r') as f:
# for line in f:
# linedata=line.split(',')
# datas.append(linedata[:-1]) #前4列是4个属性的值
# labels.append(linedata[-1].replace('\n','')) #最后一列是类别 #读入数据集的数据:
data_file=open('IRIS_dataset.txt','r')
for line in data_file.readlines():
# print(line)
linedata = line.split(',')
# datas.append(linedata[:-1]) # 前4列是4个属性的值(误判的样本的个数为:7
datas.append(linedata[:-3]) # 前2列是2个属性的值(误判的样本的个数为:30
labels.append(linedata[-1].replace('\n', '')) # 最后一列是类别 datas=np.array(datas)
datas=datas.astype(float) #将二维的字符串数组转换成浮点数数组
labels=np.array(labels)
kinds=list(set(labels)) #3个类别的名字列表
4.2 编写代码实现LogisticRegression算法
# LogisticRegression算法,训练数据,传入参数为数据集(包括特征数据及标签数据),结果返回训练得到的参数 W
def LogRegressionAlgorithm(datas,labels):
kinds = list(set(labels)) # 3个类别的名字列表
means=datas.mean(axis=0) #各个属性的均值
stds=datas.std(axis=0) #各个属性的标准差
N,M= datas.shape[0],datas.shape[1]+1 #N是样本数,M是参数向量的维
K=3 #k=3是类别数 data=np.ones((N,M))
data[:,1:]=(datas-means)/stds #对原始数据进行标准差归一化 W=np.zeros((K-1,M)) #存储参数矩阵
priorEs=np.array([1.0/N*np.sum(data[labels==kinds[i]],axis=0) for i in range(K-1)]) #各个属性的先验期望值 liklist=[]
for it in range(1000):
lik=0 #当前的对数似然函数值
for k in range(K-1): #似然函数值的第一部分
lik -= np.sum(np.dot(W[k],data[labels==kinds[k]].transpose()))
lik +=1.0/N *np.sum(np.log(np.sum(np.exp(np.dot(W,data.transpose())),axis=0)+1)) #似然函数的第二部分
liklist.append(lik) wx=np.exp(np.dot(W,data.transpose()))
probs=np.divide(wx,1+np.sum(wx,axis=0).transpose()) # K-1 *N的矩阵
posteriorEs=1.0/N*np.dot(probs,data) #各个属性的后验期望值
gradients=posteriorEs - priorEs +1.0/100 *W #梯度,最后一项是高斯项,防止过拟合
W -= gradients #对参数进行修正
print("输出W为:",W)
return W
4.3 编写predict_fun()预测函数
根据训练得到的参数W和数据集,进行预测。输入参数为数据集和由LogisticRegression算法得到的参数W,返回值为预测的值。
#根据训练得到的参数W和数据集,进行预测。输入参数为数据集和由LogisticRegression算法得到的参数W,返回值为预测的值
def predict_fun(datas,W):
N, M = datas.shape[0], datas.shape[1] + 1 # N是样本数,M是参数向量的维
K = 3 # k=3是类别数
data = np.ones((N, M))
means = datas.mean(axis=0) # 各个属性的均值
stds = datas.std(axis=0) # 各个属性的标准差
data[:, 1:] = (datas - means) / stds # 对原始数据进行标准差归一化 # probM每行三个元素,分别表示data中对应样本被判给三个类别的概率
probM = np.ones((N, K))
print("data.shape:", data.shape)
print("datas.shape:", datas.shape)
print("W.shape:", W.shape)
print("probM.shape:", probM.shape)
probM[:, :-1] = np.exp(np.dot(data, W.transpose()))
probM /= np.array([np.sum(probM, axis=1)]).transpose() # 得到概率 predict = np.argmax(probM, axis=1).astype(int) # 取最大概率对应的类别
print("输出predict为:", predict)
return predict
4.4 绘制图像
(1)确定坐标轴范围,x,y轴分别表示两个特征
# 1.确定坐标轴范围,x,y轴分别表示两个特征
x1_min, x1_max = datas[:, 0].min(), datas[:, 0].max() # 第0列的范围
x2_min, x2_max = datas[:, 1].min(), datas[:, 1].max() # 第1列的范围
x1, x2 = np.mgrid[x1_min:x1_max:150j, x2_min:x2_max:150j] # 生成网格采样点,横轴为属性x1,纵轴为属性x2
grid_test = np.stack((x1.flat, x2.flat), axis=1) # 测试点
#.flat 函数将两个矩阵都变成两个一维数组,调用stack函数组合成一个二维数组
print("grid_test = \n", grid_test) grid_hat = predict_fun(grid_test,W) # 预测分类值
grid_hat = grid_hat.reshape(x1.shape) # 使之与输入的形状相同
#grid_hat本来是一唯的,调用reshape()函数修改形状,将其grid_hat转换为两个特征(长度和宽度)
print("grid_hat = \n", grid_hat)
print("grid_hat.shape: = \n", grid_hat.shape) # (150, 150)
(2)指定默认字体
# 2.指定默认字体
mpl.rcParams['font.sans-serif'] = [u'SimHei']
mpl.rcParams['axes.unicode_minus'] = False
(3)绘制图像
# 3.绘制图像
cm_light = mpl.colors.ListedColormap(['#A0FFA0', '#FFA0A0', '#A0A0FF'])
cm_dark = mpl.colors.ListedColormap(['g', 'r', 'b']) alpha = 0.5 plt.pcolormesh(x1, x2, grid_hat, cmap=plt.cm.Paired) # 预测值的显示
# 调用pcolormesh()函数将x1、x2两个网格矩阵和对应的预测结果grid_hat绘制在图片上
# 可以发现输出为三个颜色区块,分布表示分类的三类区域。cmap=plt.cm.Paired/cmap=cm_light表示绘图样式选择Paired主题
# plt.scatter(datas[:, 0], datas[:, 1], c=labels, edgecolors='k', s=50, cmap=cm_dark) # 样本
plt.plot(datas[:, 0], datas[:, 1], 'o', alpha=alpha, color='blue', markeredgecolor='k')
##绘制散点图
plt.scatter(datas[:, 0], datas[:, 1], s=120, facecolors='none', zorder=10) # 圈中测试集样本
plt.xlabel(u'花萼长度', fontsize=13) #X轴标签
plt.ylabel(u'花萼宽度', fontsize=13) #Y轴标签
plt.xlim(x1_min, x1_max) # x 轴范围
plt.ylim(x2_min, x2_max) # y 轴范围
plt.title(u'鸢尾花LogisticRegression二特征分类', fontsize=15)
# plt.legend(loc=2) # 左上角绘制图标
# plt.grid()
plt.show()
五、 实验结果
(1)运行程序输出的参数:
使用二个特征:
输出W为: [[-0.41462351 1.26263398 0.26536423] [-1.07260354 -2.44478672 1.96448439]] 输出predict为: [1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 0 0 0 2 0 2 0 2 0 2 2 2 2 2 2 0 2 2 2 2 2 2 2 2 0 0 0 0 2 2 2 2 2 2 2 0 0 2 2 2 2 2 2 2 2 2 2 0 2 2 0 2 0 0 0 0 2 0 0 0 0 0 0 2 2 0 0 0 0 2 0 2 0 0 0 0 2 2 0 0 0 0 0 0 2 0 0 0 2 0 0 0 2 0 0 0 2 0 0 2] 误判的样本的个数为:28 |
使用四个特征:
输出W为: [[-0.09363942 -1.41359443 1.17376524 -2.3116611 -2.20018596] [ 1.44071982 -0.05960463 -0.31391519 -0.87589944 -1.83255315]] 输出predict为: [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2] 误判的样本的个数为:8 |
(2)数据可视化结果如下:
六、结果分析与比较
由以上实验结果可以看出,使用了二特征的误判的样本个数为28(样本总数为150),而使用了四个特征的训练结果,误判的样本个数为8,在一定程度上可以解释使用的特征数过少的话,会导致欠拟合的情况发生。
为了后期的可视化画图更加直观,故只取前两列特征值向量进行训练。结果展示如上图所示。
完整实现代码详见:【GitHub 】
【Reference】
2、https://blog.csdn.net/BTUJACK/article/details/79761461
3、https://blog.csdn.net/eastmount/article/details/77920470
Python实现鸢尾花数据集分类问题——使用LogisticRegression分类器的更多相关文章
- Python实现鸢尾花数据集分类问题——基于skearn的LogisticRegression
Python实现鸢尾花数据集分类问题——基于skearn的LogisticRegression 一. 逻辑回归 逻辑回归(Logistic Regression)是用于处理因变量为分类变量的回归问题, ...
- Python实现鸢尾花数据集分类问题——基于skearn的NaiveBayes
Python实现鸢尾花数据集分类问题——基于skearn的NaiveBayes 代码如下: # !/usr/bin/env python # encoding: utf-8 __author__ = ...
- Python实现鸢尾花数据集分类问题——基于skearn的SVM
Python实现鸢尾花数据集分类问题——基于skearn的SVM 代码如下: # !/usr/bin/env python # encoding: utf-8 __author__ = 'Xiaoli ...
- 基于SVM的鸢尾花数据集分类实现[使用Matlab]
iris数据集的中文名是安德森鸢尾花卉数据集,英文全称是Anderson’s Iris data set.iris包含150个样本,对应数据集的每行数据.每行数据包含每个样本的四个特征和样本的类别信息 ...
- ML学习笔记之XGBoost实现对鸢尾花数据集分类预测
import xgboost as xgb import numpy as np import pandas as pd from sklearn.model_selection import tra ...
- BP神经网络算法程序实现鸢尾花(iris)数据集分类
作者有话说 最近学习了一下BP神经网络,写篇随笔记录一下得到的一些结果和代码,该随笔会比较简略,对一些简单的细节不加以说明. 目录 BP算法简要推导 应用实例 PYTHON代码 BP算法简要推导 该部 ...
- 做一个logitic分类之鸢尾花数据集的分类
做一个logitic分类之鸢尾花数据集的分类 Iris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例.数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都 ...
- 实验一 使用sklearn的决策树实现iris鸢尾花数据集的分类
使用sklearn的决策树实现iris鸢尾花数据集的分类 要求: 建立分类模型,至少包含4个剪枝参数:max_depth.min_samples_leaf .min_samples_split.max ...
- python 鸢尾花数据集报表展示
import seaborn as snsimport pandas as pdimport matplotlib.pyplot as pltsns.set_style('white',{'font. ...
随机推荐
- java 反射机制--根据属性名获取属性值
1.考虑安全访问范围内的属性,没有权限访问到的属性不读取 /** * 根据属性名获取属性值 * * @param fieldName * @param object * @return */ priv ...
- Android之ASD组件(一)
Google在android5.0之后推出新设计标准Material Design,为了能在低版本上使用Material Design,google发布了Android Support Design支 ...
- 【ElasticSearch】ES5新特性-keyword-text类型-查询区别
ES5新特性-keyword-text类型-查询区别 elasticsearch-head Elasticsearch-sql client junneyang (JunneYang) es keyw ...
- 从头来之【iOS及历史版本特性介绍】
iOS是apple公司的移动操作系统,在iPhone,iPad,iPod中应用,该名最初为Cisco的网络设备操作系统,后授权于Apple公司使用.下面介绍历史版本的特性. iOS1 最大特性是具有其 ...
- 【Python】torrentParser1.04 增加获得磁力链URI功能
代码: #------------------------------------------------------------------------------------ # torrentP ...
- Dapper - .Net 环境下一个简单对象映射的框架
本文内容 特点 性能 参数化的查询 List 支持 缓存和非缓存的 readers 多个映射 多个结果 存储过程 Ansi Strings 和 varchar 限制和注意事项 Dapper 能运行在我 ...
- 彻底解决 Intellij IDEA 卡顿 优化笔记,重要的快捷键
由于工作中经常出现分支各种切换,使用Eclipse便不再像以前那么舒服了,不停的修改工作空间,每次修改完工作空间又是一堆一堆的个性化设置,来回的切换,真的很累.我们做软件的,怎么能不去尝试新鲜的呢,毕 ...
- 第八周(1) Word信函与邮件
第八周(1) Word信函与邮件 教学时间 2013-4-15 教学课时 2 教案序号 13 教学目标 1.学会使用word制作信封和标签2.理解邮件合并的概念和功能3.学会利用邮件合并批量制作文档 ...
- Shell 字符串分割
入门级别 入门级别:类似1,2,3,4,5这样的字符串 #!/bin/bash var="1,2,3,4,5" var=${var//,/ } for i in $var; do ...
- Log4j发送日志邮件功能
昨天配置了log4j发送错误日志的功能,很实用,记录一下! Log4j可以实现输出到控制台,文件,回滚文件,发送日志邮件,数据库,自定义标签.例如: log4j.rootLogger=DEBUG, I ...