Implementación de la regresión logística en Python

En esta lección, implementaremos la regresión logística mediante la biblioteca scikit-learn. Trabajaremos con un conjunto de datos de clasificación binaria.

Paso 1: Importación de bibliotecas y conjunto de datos

Comenzaremos importando las bibliotecas necesarias y cargando un conjunto de datos. Para simplificar, utilizaremos make_classification de scikit-learn para generar un conjunto de datos de clasificación binaria.

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# Generate dataset
X, y = make_classification(n_samples=100, n_features=2, n_classes=2, random_state=42)

# Split into train and test sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

Paso 2: Creación del modelo de regresión logística

Utilizamos la clase LogisticRegression de scikit-learn para crear y entrenar el modelo.

model = LogisticRegression()
model.fit(X_train, y_train)

Paso 3: Realización de predicciones

Una vez entrenado el modelo, lo usamos para realizar predicciones con los datos de prueba.

y_pred = model.predict(X_test)

Paso 4: Evaluación del modelo

Evaluamos el rendimiento del modelo utilizando la exactitud como métrica.

accuracy = accuracy_score(y_test, y_pred)
print(f"Model Accuracy: {accuracy:.2f}")

Paso 5: Visualización de las fronteras de decisión

Para comprender mejor el rendimiento del modelo, visualizamos las fronteras de decisión.

import matplotlib.pyplot as plt
import numpy as np

# Define grid for plotting
def plot_decision_boundary(X, y, model):
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.1), np.arange(y_min, y_max, 0.1))

    Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    
    plt.contourf(xx, yy, Z, alpha=0.8)
    plt.scatter(X[:, 0], X[:, 1], c=y, edgecolor='k')
    plt.title('Decision Boundary')
    plt.show()

plot_decision_boundary(X, y, model)

Paso 6: Ajuste del modelo

Podemos mejorar el rendimiento del modelo ajustando hiperparámetros como C, que controla la intensidad de la regularización.

model = LogisticRegression(C=0.5)
model.fit(X_train, y_train)

Desafíos de la regresión logística

Entre los desafíos se incluyen:

• Gestionar conjuntos de datos desequilibrados.
• Trabajar con características muy correlacionadas.
• Garantizar suficientes datos de entrenamiento para realizar predicciones eficaces.

Resumen y próximos pasos

En esta lección:

• Implementamos la regresión logística mediante scikit-learn.
• Realizamos predicciones y evaluamos el modelo.
• Visualizamos las fronteras de decisión.

A continuación, exploraremos cómo evaluar el rendimiento de un modelo mediante métricas como la puntuación F1, la precisión y el recall.