zoukankan      html  css  js  c++  java
  • 跟我学算法-Logistic回归

    虽然Logistic回归叫回归,但是其实它是一个二分类或者多分类问题

    这里的话我们使用信用诈骗的数据进行分析

    第一步:导入数据,Amount的数值较大,后续将进行(-1,1)的归一化

    data = pd.read_csv('creditcard.csv')  #读取数据
    
    #查看前5行数据
    print(data.head())

    第二步: 对正常和欺诈的数目进行查看,正常样本的数目远大于欺诈样本,这个时候可以使用下采样或者过采样

    # 画图查看
    count_data = pd.value_counts(data['Class'], sort=True).sort_index()  #统计样本数
    count_data.plot(kind='bar')  #画条形图
    plt.title("Fraud class histogram")  #标题
    plt.xlabel('Classes')
    plt.ylabel('Frequency')
    plt.show()

    第三步:将amount进行归一化形成amountNorm,并且去除time和amount项

    #把amount数据标准化到-1, 1
    from sklearn.preprocessing import StandardScaler
    #reshape 需要转换到的数值范围
    data['NormAmount'] = StandardScaler().fit_transform(data['Amount'].values.reshape(-1, 1),)
    data = data.drop(['Time', 'Amount'], axis=1)   # 去除两列
    
    #进行分组
    X = data.ix[:, data.columns != 'Class']
    y = data.ix[:, data.columns == 'Class']

    第四步,使用随机挑选来生成下采样数据

    number_record_fraud = len(data[data.Class==1])
    #找出其索引,组成数组
    fraud_indices = np.array(data[data.Class == 1].index)
    norm_indices = data[data.Class == 0 ].index
    #从Class=0中任意挑选500个组成正常的类别
    random_norm_indices = np.random.choice(norm_indices, 500, replace=False)
    random_norm_indices = np.array(random_norm_indices)
    
    #把正常的类别和欺诈类别进行组合
    under_sample_indices = np.concatenate([fraud_indices, random_norm_indices])
    #根据重组索引重新取值
    under_sample_datas = data.iloc[under_sample_indices,:]
    #选择出属性和结果
    X_undersample = under_sample_datas.ix[:, under_sample_datas.columns != 'Class']

    第5步,交叉验证选择权重,这里采用的加权方法为|L* w|

    from sklearn.linear_model import LogisticRegression
    from sklearn.cross_validation import KFold, cross_val_score
    from sklearn.metrics import confusion_matrix,recall_score,classification_report
    def printing_Kfold_socres(x_train_data, y_train_data):
        fold = KFold(len(y_train_data), 5, shuffle=False)
    
    
        c_param_range = [0.01, 0.1, 1, 10, 100]
        #创建一个空的列表用来存储Mean recall score的值
        results_table = pd.DataFrame(index=range(len(c_param_range), 2), columns=['C_parameter', 'Mean recall score'])
    
        results_table['C_parameter'] = c_param_range
    
    
        j = 0
        for c_param in c_param_range:
            print('-----------------------')
            print('C paramter:', c_param)
            print('-----------------------')
            print('')
    
            recall_accs = []
            for iteration, indices in enumerate(fold, start=1):
                lr = LogisticRegression(C = c_param, penalty='l1')  #放入参数,权重模式为l1
                print('indices', indices)
                #建立模型并训练
                lr.fit(x_train_data.iloc[indices[0], :], y_train_data.iloc[indices[0], :].values.ravel())
                y_pred_undersample = lr.predict(x_train_data.iloc[indices[1], :].values)
                print(y_pred_undersample)
                #计算回归得分
                recall_acc = recall_score(y_train_data.iloc[indices[1],:].values, y_pred_undersample)
                recall_accs.append(recall_acc)
                print('Iteration', iteration, ': recall score=', recall_acc)
    
            #求得平均的值
            results_table.ix[j, 'Mean recall score'] = np.mean(recall_accs)
            j += 1
            print('')
            print('Mean recall score', np.mean(recall_accs))
            print('')
        # 数据类型进行转换
        results_table['Mean recall score'] = results_table['Mean recall score'].astype('float64')
        # 求得Mean recall score 对应的最大的C_parameter值
        best_c = results_table.loc[results_table['Mean recall score'].idxmax()]['C_parameter']
        print('*********************************************************************************')
        print('Best model to choose from cross validation is with C parameter = ', best_c)
        print('*********************************************************************************')
    
        return best_c

    #执行程序
    best_c = printing_Kfold_socres(X_train_undersample, y_train_undersample)
  • 相关阅读:
    基于 Docker 的 MySQL 主从复制搭建
    获取 Docker 容器的 IP 地址
    Maven 学习资料
    docker 中,修改了 mysql 配置,如何重启 mysql?
    TiDB 学习资料
    Sharding-JDBC 学习资料
    Druid(数据库连接池) 学习资料
    JWT 学习资料
    Maven 拥有三套相互独立的生命周期:clean、default、site
    Maven 生命周期的阶段与插件的目标之间的绑定关系
  • 原文地址:https://www.cnblogs.com/my-love-is-python/p/9516398.html
Copyright © 2011-2022 走看看