机器学习七——逻辑回归实践

1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下）

什么是过拟合？关于这个百度了一下，知乎上有一些很有趣的回答（https://www.zhihu.com/question/32246256）

就像是我们高三在刷题的过程中，你刷遍了所有的题，但考试的时候改了点数字你就做不出来了，你刷题刷出来的做题模式就类似一个过拟合的模型。

过拟合产生的原因在于数据量太少而变量过多，虽然可以拟合所有数据样本，但拟合出来的模型曲线比较曲折，无法对其他的数据做出正确的预测（以下图片来自https://blog.csdn.net/quiet_girl/article/details/70243583）

另附上学习博客（https://blog.csdn.net/quiet_girl/article/details/70185041?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-7&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-7）

知晓什么是过拟合及造成过拟合的原因后，该怎么去防止过拟合呢？

针对造成的原因，可以通过增大数据量并手动减少特征数，但在舍弃特征也会丢掉有用的信息。因此，我们通过引入一个λ来降低θ的值，来减少不重要的特征值对拟合的影响，即正则化，但我们不惩罚θ0，因为 照约定θ0是最大的。具体如下图所示：

λ的值要适当，太大会造成欠拟合。

2.用logiftic回归来进行实践操作，数据不限。

 以下用泰坦尼克号船只上人员的生还数据做预测

导入包：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report
from sklearn.linear_model import LogisticRegression

逻辑回归应用：

def logistic():
    # 读取数据
    data = pd.read_csv('./titanic_data.csv')

    # 数值型转换，性别女为0 男为1，有缺失值的行直接删除，删除我觉得毫无影响的id列
    data.loc[data['Sex'] == 'male', 'Sex'] = 0
    data.loc[data['Sex'] == 'female', 'Sex'] = 1
    data = data.dropna()
    data = data.drop(columns=["PassengerId"],axis = 1)
    print(data)

    # 训练集和测试集划分
    x_train, x_test, y_train, y_test = train_test_split(data.iloc[:, 1:], data.iloc[:, 0], test_size=0.3)

    # 特征值和目标值进行标准化处理（需要分别处理），实例标准化API
    std = StandardScaler()

    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)

    # 逻辑回归预测
    lg = LogisticRegression()
    lg.fit(x_train, y_train)
    print(lg.coef_)
    lg_predict = lg.predict(x_test)
    print('准确率：', lg.score(x_test, y_test))
    print('召回率：', classification_report(y_test, lg_predict, target_names=['生还', '离世']))


if __name__ == '__main__':
    logistic();

结果：