本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念绝对简略，次要侧重于代码实际。
上一篇文章说到，咱们能够用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。咱们能够从预测值的类型上简略辨别：连续变量的预测为回归，离散变量的预测为分类。

一、逻辑回归：二分类

1.1 了解逻辑回归

咱们把间断的预测值进行人工定义，边界的一边定义为1，另一边定义为0。这样咱们就把回归问题转换成了分类问题。

如上图，咱们把间断的变量散布压抑在0-1的范畴内，并以0.5作为咱们分类决策的边界，大于0.5的概率则判断为1，小于0.5的概率则判断为0。

咱们无奈应用无穷大和负无穷大进行算术运算，咱们通过逻辑回归函数（Sigmoid函数/S型函数/Logistic函数）能够讲数值计算限定在0-1之间。

$$ \sigma(x) = \frac{1}{1+e^{-x}} $$

以上就是逻辑回归的简略解释。上面咱们利用实在的数据案例来进行二分类代码实际。

1.2 代码实际 - 导入数据集

增加援用：

import numpy as npimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as plt

导入数据集（大家不必在意这个域名）：

df = pd.read_csv('https://blog.caiyongji.com/assets/hearing_test.csv')df.head()

该数据集，对5000名参与者进行了一项试验，以钻研年龄和身体健康对听力损失的影响，尤其是听低音的能力。此数据显示了钻研后果对参与者进行了身材能力的评估和评分，而后必须进行音频测试（通过/不通过），以评估他们听到高频的能力。

• 特色：1. 年龄 2. 衰弱得分
• 标签：（1通过/0不通过）

1.3 察看数据

sns.scatterplot(x='age',y='physical_score',data=df,hue='test_result')

咱们用seaborn绘制年龄和衰弱得分特色对应测试后果的散点图。

sns.pairplot(df,hue='test_result')

咱们通过pairplot办法绘制特色两两之间的对应关系。

咱们能够大抵做出判断，当年龄超过60很难通过测试，通过测试者广泛衰弱得分超过30。

1.4 训练模型

from sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerfrom sklearn.linear_model import LogisticRegressionfrom sklearn.metrics import accuracy_score,classification_report,plot_confusion_matrix#筹备数据X = df.drop('test_result',axis=1)y = df['test_result']X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.1, random_state=50)scaler = StandardScaler()scaled_X_train = scaler.fit_transform(X_train)scaled_X_test = scaler.transform(X_test)#定义模型log_model = LogisticRegression()#训练模型log_model.fit(scaled_X_train,y_train)#预测数据y_pred = log_model.predict(scaled_X_test)accuracy_score(y_test,y_pred)

咱们通过筹备数据，定义模型为LogisticRegression逻辑回归模型，通过fit办法拟合训练数据，最初通过predict办法进行预测。
最终咱们调用accuracy_score办法失去模型的准确率为92.2%。

二、模型性能评估：准确率、精确度、召回率

咱们是如何失去准确率是92.2%的呢？咱们调用plot_confusion_matrix办法绘制混同矩阵。

plot_confusion_matrix(log_model,scaled_X_test,y_test)

咱们察看500个测试实例，失去矩阵如下：

咱们对以上矩阵进行定义如下：

• 真正类TP(True Positive) ：预测为正，理论后果为正。如，上图右下角285。
• 真负类TN(True Negative) ：预测为负，理论后果为负。如，上图左上角176。
• 假正类FP(False Positive) ：预测为正，理论后果为负。如，上图左下角19。
• 假负类FN(False Negative) ：预测为负，理论后果为正。如，上图右上角20。

准确率(Accuracy) 公式如下：

$$ Accuracy = \frac{TP+TN}{TP+TN+FP+FN} $$

带入本例得：

$$ Accuracy = \frac{285+176}{285+176+20+19} = 0.922 $$

精确度(Precision) 公式如下：

$$ Precision = \frac{TP}{TP+FP} $$

带入本例得：
$$ Precision = \frac{285}{285+19} = 0.9375 $$

召回率(Recall) 公式如下：

$$ Recall = \frac{TP}{TP+FN} $$

带入本例得：

$$ Recall = \frac{285}{285+20} = 0.934 $$

咱们调用classification_report办法可验证后果。

print(classification_report(y_test,y_pred))

三、Softmax：多分类

3.1 了解softmax多元逻辑回归

Logistic回归和Softmax回归都是基于线性回归的分类模型，两者无本质区别，都是从伯努利分联合最大对数似然预计。

最大似然预计：简略来说，最大似然预计就是利用已知的样本后果信息，反推最具备可能（最大概率）导致这些样本后果呈现的模型参数值。

术语“概率”(probability)和“似然”(likelihood)在英语中常常调换应用，然而它们在统计学中的含意却大不相同。给定具备一些参数的统计模型，用“概率”一词形容将来的后果x的合理性（晓得参数值），而用“似然”一词示意形容在晓得后果x之后，一组特定的参数值的合理性。

Softmax回归模型首先计算出每个类的分数，而后对这些分数利用softmax函数，预计每个类的概率。咱们预测具备最高预计概率的类，简略来说就是找得分最高的类。

3.2 代码实际 - 导入数据集

导入数据集（大家不必在意这个域名）：

df = pd.read_csv('https://blog.caiyongji.com/assets/iris.csv')df.head()

该数据集，蕴含150个鸢尾花样本数据，数据特色蕴含花瓣的长度和宽度和萼片的长度和宽度，蕴含三个属种的鸢尾花，别离是山鸢尾(setosa)、变色鸢尾(versicolor)和维吉尼亚鸢尾(virginica)。

• 特色：1. 花萼长度 2. 花萼宽度 3. 花瓣长度 4 花萼宽度
• 标签：品种：山鸢尾(setosa)、变色鸢尾(versicolor)和维吉尼亚鸢尾(virginica)

3.3 察看数据

sns.scatterplot(x='sepal_length',y='sepal_width',data=df,hue='species')

咱们用seaborn绘制花萼长度和宽度特色对应鸢尾花品种的散点图。

sns.scatterplot(x='petal_length',y='petal_width',data=df,hue='species')

咱们用seaborn绘制花瓣长度和宽度特色对应鸢尾花品种的散点图。

sns.pairplot(df,hue='species')

咱们通过pairplot办法绘制特色两两之间的对应关系。

咱们能够大抵做出判断，综合思考花瓣和花萼尺寸最小的为山鸢尾花，中等尺寸的为变色鸢尾花，尺寸最大的为维吉尼亚鸢尾花。

3.4 训练模型

#筹备数据X = df.drop('species',axis=1)y = df['species']X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=50)scaler = StandardScaler()scaled_X_train = scaler.fit_transform(X_train)scaled_X_test = scaler.transform(X_test)#定义模型softmax_model = LogisticRegression(multi_class="multinomial",solver="lbfgs", C=10, random_state=50)#训练模型softmax_model.fit(scaled_X_train,y_train)#预测数据y_pred = softmax_model.predict(scaled_X_test)accuracy_score(y_test,y_pred)

咱们通过筹备数据，定义模型LogisticRegression的multi_class="multinomial"多元逻辑回归模型，设置求解器为lbfgs，通过fit办法拟合训练数据，最初通过predict办法进行预测。
最终咱们调用accuracy_score办法失去模型的准确率为92.1%。

咱们调用classification_report办法查看准确率、精确度、召回率。

print(classification_report(y_test,y_pred))

3.5 拓展：绘制花瓣分类

咱们仅提取花瓣长度和花瓣宽度的特色来绘制鸢尾花的分类图像。

#提取特色X = df[['petal_length','petal_width']].to_numpy() y = df["species"].factorize(['setosa', 'versicolor','virginica'])[0]#定义模型softmax_reg = LogisticRegression(multi_class="multinomial",solver="lbfgs", C=10, random_state=50)#训练模型softmax_reg.fit(X, y)#随机测试数据x0, x1 = np.meshgrid(        np.linspace(0, 8, 500).reshape(-1, 1),        np.linspace(0, 3.5, 200).reshape(-1, 1),    )X_new = np.c_[x0.ravel(), x1.ravel()]#预测y_proba = softmax_reg.predict_proba(X_new)y_predict = softmax_reg.predict(X_new)#绘制图像zz1 = y_proba[:, 1].reshape(x0.shape)zz = y_predict.reshape(x0.shape)plt.figure(figsize=(10, 4))plt.plot(X[y==2, 0], X[y==2, 1], "g^", label="Iris virginica")plt.plot(X[y==1, 0], X[y==1, 1], "bs", label="Iris versicolor")plt.plot(X[y==0, 0], X[y==0, 1], "yo", label="Iris setosa")from matplotlib.colors import ListedColormapcustom_cmap = ListedColormap(['#fafab0','#9898ff','#a0faa0'])plt.contourf(x0, x1, zz, cmap=custom_cmap)contour = plt.contour(x0, x1, zz1, cmap=plt.cm.brg)plt.clabel(contour, inline=1, fontsize=12)plt.xlabel("Petal length", fontsize=14)plt.ylabel("Petal width", fontsize=14)plt.legend(loc="center left", fontsize=14)plt.axis([0, 7, 0, 3.5])plt.show()

失去鸢尾花依据花瓣分类的图像如下：

四、小结

相比于概念的了解，本文更偏重上手实际，通过入手编程你应该有“手热”的感觉了。截至到本文，你应该对机器学习的概念有了肯定的把握，咱们简略梳理一下：

1. 机器学习的分类
2. 机器学习的工业化流程
3. 特色、标签、实例、模型的概念
4. 过拟合、欠拟合
5. 损失函数、最小二乘法
6. 梯度降落、学习率

7.线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索(Lasso)回归、弹性网络(ElasticNet)回归是最罕用的回归技术

1. Sigmoid函数、Softmax函数、最大似然预计

如果你还有不分明的中央请参考：

• 机器学习(二)：了解线性回归与梯度降落并做简略预测
• 机器学习(一)：5分钟了解机器学习并上手实际
• 前置机器学习（五）：30分钟把握罕用Matplotlib用法
• 前置机器学习（四）：一文把握Pandas用法
• 前置机器学习（三）：30分钟把握罕用NumPy用法
• 前置机器学习（二）：30分钟把握罕用Jupyter Notebook用法
• 前置机器学习（一）：数学符号及希腊字母