Implementera logistisk regression

I den här lektionen implementerar vi logistisk regression med biblioteket scikit-learn. Vi arbetar med en datauppsättning för binär klassificering.

Steg 1: Importera bibliotek och datauppsättning

Vi börjar med att importera nödvändiga bibliotek och läsa in en datauppsättning. För enkelhetens skull använder vi make_classification från scikit-learn för att generera en datauppsättning för binär klassificering.

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)

Steg 2: Skapa modellen för logistisk regression

Vi använder klassen LogisticRegression i scikit-learn för att skapa och träna modellen.

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

Steg 3: Göra förutsägelser

När modellen har tränats använder vi den för att göra förutsägelser på testdata.

y_pred = model.predict(X_test)

Steg 4: Utvärdera modellen

Vi utvärderar modellens prestanda med träffsäkerhet som mått.

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

Steg 5: Visualisera beslutsgränser

För att bättre förstå modellens prestanda visualiserar vi beslutsgränserna.

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)

Steg 6: Justera modellen

Vi kan förbättra modellens prestanda genom att justera hyperparametrar som C, som styr regulariseringsstyrkan.

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

Utmaningarna omfattar:

• Hantering av obalanserade datauppsättningar.
• Hantering av starkt korrelerade egenskaper.
• Att säkerställa tillräckligt med träningsdata för effektiva förutsägelser.

I den här lektionen har vi:

• Implementerat logistisk regression med scikit-learn.
• Gjort förutsägelser och utvärderat modellen.
• Visualiserat beslutsgränser.

Härnäst utforskar vi hur modellens prestanda kan utvärderas med mått som F1-score, precision och recall.