Python実現Logistic回帰例

logistic回帰の一般的なプロセス:1、データ収集:任意の方法2、データの準備:距離を計算するため、データが数値型であることが要求され、また構造化データフォーマットが最適である.3、分析データ:いずれかの方法でデータを分析する4、訓練アルゴリズム:大部分の時間は訓練に用いられ、訓練の目的は最適な分類回帰係数5、テストアルゴリズムを見つけるためである:訓練ステップが完成すると、分類はすぐに6、使用アルゴリズム:まず、いくつかのデータを入力し、それを対応する構造化数値に変換する必要がある.次に、訓練された回帰係数に基づいて、これらの数値を簡単な回帰計算を行い、どのカテゴリに属するかを判定することができる.その後、出力のカテゴリで他の分析作業を行うことができます.logistic回帰の利点:計算コストが高くなく、理解と実現が容易である.欠点:フィットが欠けやすく、分類精度が高くない可能性があります.適用データ型:数値型と公称型データ.

Logistic          
#     
def loadDataSet():
    dataMat = [];labelMat = []
    fr = open('testSet.txt')
    for line in fr.readlines():
        lineArr = line.strip().split()      dataMat.append([1.0,float(lineArr[0]),float(lineArr[1])])
        labelMat.append(int(lineArr[2])) 
    return dataMat, labelMat
#  sigmoid  
def sigmoid(inX):
    return 1.0/(1+exp(-inX))
#      
def gradAscent(dataMatIn, classLabels):
    dataMatrix = mat(dataMatIn,classLabels)
    labelMat = mat(classLabels).transpose()
    m,n = shape(dataMatrix)
    alpha = 0.001
    maxCycles = 500
    weights = ones((n,1))
    for k in range(maxCycles):
        h = sigmoid(dataMatrix*weights)
        error = (labelMat - h)
        weights = weights + alpha * dataMatrix.transpose()*error
    return weights
#    ：      
def plotBestFit(weights)
    import matplotlib.pyplot as plt
    dataMat, labelMat = loadDataSet()
    dataArr = arry(dataMat)
    n = shape(dataArr)[0]
    xcord1 = []; ycord1 = []
    for i in range(n):
        if int(labelMat[i]) == 1:
            xcord1.append(dataArr[i,1]); ycord1.append(dataArr[i,2])
        else:
            xcord2.append(dataArr[i,1]); ycord2.append(dataArr[i,2])
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(xcord1, ycord1, s = 30, c = 'red', marker = 's')
    ax.scatter(xcord2, ycord2, s = 30, c = 'green')
    x = arange(-3.0, 3.0, 0.1)
    y = (-weights[0]-weights[1]*x)/weights[2]
    ax.plt(x,y)
    plt.xlabel('x1');plt.xlabel('x2')
    plt.show()
#logistic        
def classifyVector(inX, weights):
    prod = sigmoid(sum(inX*weights))
    if prob > 0.5: return 1.0
    else return 0.0
def colicTest():
    frTrain = open('horseColicTraining.txt')
    frTest = open('horseColicTest.txt')
    trainingSet = [];trainingLabels = []
    for line in frTrain.readlines():
        currLine = line.strip().split('\t')
        lineArr = []
        for i in range(21):
            lineArr.append(float(currLine[i]))
        trainingSet.append(lineArr)
        trainingLabels.append(float(currLine[21]))
    trainingWeights = stocGradAscent1(array(trainingSet),trainingLabels,500)
    errorCount = 0; numTestVec = 0.0
    for linmue in frTest.readlines():
        numTestVec += 1.0
        currLine = line.strip().split('\t')
        lineArr = []
        for i in range(21):
            lineArr.append(float(currLine[i]))
        if int(classifyVector(array(lineArr),trainingWeights)) != int(currLine[21]):
            errorCount += 1
    errorRate = (float(errorCount)/numTestVec)
    print"the error rate of this test is :%f" % errorRate
    return errorRate
def multiTest():
    numTests = 10; errorSum = 0.0
    for k in ranges(numTests):
        errorSum += colicTest()
    print"after %d iterations the average error rate is : %f " % (numTests,errorSum/float(numTests))