(1) 算法事理；(2) 精确率和召回率；(3) 实例运用--癌症病例预测。

文末有数据集和python完全代码

1. 观点理解

逻辑回归，简称LR，它的特点是能够将我们的特色输入凑集转化为0和1这两类的概率。
一样平常来说，回归不用在分类问题上，但逻辑回归却能在二分类(即分成两类问题)上表现很好。

逻辑回归实质上是线性回归，只是在特色到结果的映命中加入了一层Sigmod函数映射，即先把特色线形求和，然后利用Sigmoid函数将最为假设函数来概率求解，再进行分类。

Sigmoid函数为：

sigmoid函数形如s曲线下侧无限靠近0，上侧无限靠近1

例如，在进行预测的过程中，预测结果大于0.5的认为是属于一类，小于0.5的我们认为是第二类，进而我们实现二分类。

优点： 适宜须要得到一个分类概率的场景，大略，速率快

缺陷： 只能用来处理二分类问题，不好处理多分类问题

运用： 是否患病、金融诱骗、是否虚假账号等

2. 精确率和召回率

如下表所示，如果我预测出一个人得了癌症，他的真实值也是得了癌症，那么这种情形称为TP真正例；如果我预测出一个人得了癌症，而他的真实值是没有得癌症，这种情形称为FN假反例。

（1）精确率：预测结果为正例样本中真实为正例的比例（用于表示查得准不准）

公式为：

例：100个人中，我预测的结果是有20个人得了癌症。
在这20个人中，真实得癌症的只有5个人，没得癌症的有15人。
那么精确率为 P=5/(5+15)=0.25

（2）召回率：真实为正例的样本中预测结果为正例的比例（表示查的全，对正样本的区分能力）

公式为：

例：现在有20个人得了癌症，在这些人中我检测到有18个人得了癌症，还有2个人没有检测出来，召回率R=18/(18+2)

（3）综合指标：P和R指标有时候会涌现的抵牾的情形，这样就须要综合考虑他们，最常见的方法便是F-Measure。

公式为：

若F1较大的话，综合性能较好

导入方法： from sklearn.metrics import classification_report

classification_report() 函数参数

y_true：1维数组，或标签指示器数组/稀疏矩阵，真实值。
y_pred：1维数组，或标签指示器数组/稀疏矩阵，预测值labels：列表，shape = [n_labels]，报表中包含的标签索引的可选列表。
target_names：字符串列表，与标签匹配的可选显示名称（相同顺序）sample_weight：类似于shape = [n_samples]的数组，可选项，样本权重 digits：int，输出浮点值的位数3. 实例运用 -- 癌症病例预测

3.1 Sklearn 实现

逻辑回归方法导入： from sklearn.linear_model import LogisticRegression

参数设置： 参考博客 https://blog.csdn.net/jark_/article/details/78342644

penalty：惩罚项，str类型，可选参数为l1和l2，默认为l2。
用于指定惩罚项中利用的规范。
L1规范假设的是模型的参数知足拉普拉斯分布，L2假设的模型参数知足高斯分布。
所谓的范式便是加上对参数的约束，使得模型不会过拟合，加约束的情形下，理论上该当可以得到泛化能力更强的结果。
dual：对偶或原始方法，bool类型，默认为False。
对偶方法只用在求解线性多核的L2惩罚项上。
当样本数量>样本特色的时候，dual常日设置为False。
tol：停滞求解的标准，float类型，默认为1e-4。
便是求解到多少的时停滞，认为已经求出最优解。
C：正则化系数λ的倒数，float类型，默认为1.0。
必须是正浮点型数。
像SVM一样，越小的数值表示越强的正则化。
fit_intercept：是否存在截距或偏差，bool类型，默认为True。
intercept_scaling：仅在正则化项为”liblinear”，且fit_intercept设置为True时有用。
float类型，默认为1。
class_weight：用于标示分类模型中各种类型的权重，可以是一个字典或者’balanced’字符串，默认为不输入，也便是不考虑权重，即为None。

如果选择输入的话，可以选择balanced让类库自己打算类型权重，或者自己输入各个类型的权重。
举个例子，比如对付0,1的二元模型，我们可以定义class_weight={0:0.9,1:0.1}，这样类型0的权重为90%，而类型1的权重为10%。
如果class_weight选择balanced，那么类库会根据演习样本量来打算权重。
某种类型样本量越多，则权重越低，样本量越少，则权重越高。
当class_weight为balanced时，类权重打算方法如下：n_samples / (n_classes np.bincount(y))。
n_samples为样本数，n_classes为种别数量，np.bincount(y)会输出每个类的样本数，例如y=[1,0,0,1,1],则np.bincount(y)=[2,3]。

random_state：随机数种子，int类型，可选参数，默认为无，仅在正则化优化算法为sag,liblinear时有用。
solver：优化算法选择参数，只有五个可选参数，即newton-cg, lbfgs, liblinear, sag, saga。
默认为liblinear。
solver参数决定了我们对逻辑回归丢失函数的优化方法，有四种算法可以选择，分别是：liblinear：利用了开源的liblinear库实现，内部利用了坐标轴低落法来迭代优化丢失函数。
lbfgs：拟牛顿法的一种，利用丢失函数二阶导数矩阵即海森矩阵来迭代优化丢失函数。
newton-cg：牛顿法的一种，利用丢失函数二阶导数矩阵即海森矩阵来迭代优化丢失函数。
sag：即随机均匀梯度低落，是梯度低落法的变种，和普通梯度低落法的差异是每次迭代仅仅用一部分的样本来打算梯度，适宜于样本数据多的时候。
saga：线性收敛的随机优化算法的的变重。
verbose：日志冗长度，int类型。
默认为0。
便是不输出演习过程，1的时候偶尔输出结果，大于1，对付每个子模型都输出。
warm_start：热启动参数，bool类型。
默认为False。
如果为True，则下一次演习因此追加树的形式进行（重新利用上一次的调用作为初始化）。

3.1 癌症预测

数据集包含10项特色值数据和1项目标数据，字符'?'代表缺失落数据，目标中数字2代表癌症良性，4代表癌症恶性。

names中存放的是每一项数据的列索引名称，pandas导入数据集时会默认将数据第一行当作数据索引名，而原数据没有列索引名，我们须要自定义列 pd.read_csv(文件路径,names=列名称)

#（1）数据获取import pandas as pdimport numpy as np# 癌症数据路径filepath = 'C:\\Users\\admin\\.spyder-py3\\test\\文件处理\\癌症\\breast-cancer-wisconsin.data'# 癌症的每一项特色名names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape','Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin','Normal Nucleoli', 'Mitoses', 'Class']# breast存放癌症数据，不默认将第一行作为列索引名，自定义列索引名breast = pd.read_csv(filepath,names=names)# 查看唯一值，Class这列代表的是否得癌症，利用.unique()函数查看该列有哪些互不相同的值

unique = breast['Class'].unique() #只有两种情形，是二分类问题，2代表良性，4代表恶性

3.2 数据处理

首先通过 .info() 函数查看数据中是否存在缺失落数据nan和重复数据，本例子中没有。
然后对字符'?'进行处理，先将'?'转换成nan值，再利用 .dropna() 函数将nan所在的行删除。
完成往后划分特色值和目标值。
再划分演习集和测试集，测试集取25%的数据。

#（2）数据处理breast.info() #查看是否有缺失落值、重复数据# 该数据集存在字符串类型数据'?'# 将'?'转换成nanbreast = breast.replace(to_replace='?',value=np.nan)# 将nan所在的行删除breast = breast.dropna() # 特色值是除了class列以外的所有数据features = breast.drop('Class',axis=1)# 目标值是class这一列targets = breast['Class'] #（3）划分演习集和测试集from sklearn.model_selection import train_test_splitx_train,x_test,y_train,y_test = train_test_split(features,targets,test_size=0.25)

3.3 标准化处理

由于单位不一以及数据跨度过大等问题会影响模型准确度，因此对演习数据的和测试数据的特色值进行标准化处理。
特色工程的详细方法会在后续章节中先容，此处先做理解。

#（4）特色工程# 导入标准化方法from sklearn.preprocessing import StandardScaler# 吸收标准化方法transfer = StandardScaler()# 对演习的特色值x_train提取特色并标准化处理x_train = transfer.fit_transform(x_train)# 对测试的特色值x_test标准化处理x_test = transfer.transform(x_test)

3.4 逻辑回归预测

由于癌症数据中结果只有2和4，良性和恶性，属于二分问题，可以利用逻辑回归方法来预测，此处，为方便各位理解，采取默认参数的逻辑回归方法。
个中.fit()函数吸收演习模型所需的特色值和目标值，预测函数.predict()吸收的是预测所需的特色值，评分法.score()通过真实结果和预测结果打算准确率。
打算得到的模型准确率为0.97

#（5）逻辑回归预测# 导入逻辑回归方法from sklearn.linear_model import LogisticRegression# 吸收逻辑回归方法logist = LogisticRegression()# penalty=l2正则化；tol=0.001丢失函数小于多少时停滞；C=1惩罚项，越小惩罚力度越小，是岭回归的乘法力度的分之一# 演习logist.fit(x_train,y_train)# 预测y_predict = logist.predict(x_test)# 评分法打算准确率accuracy = logist.score(x_test,y_test)

3.5 准确率和召回率

#（6）准确率和召回率# 导入from sklearn.metrics import classification_report# classification_report()# 参数(真实值,预测值,labels=None,target_names=None)# labels：class列中每一项，如该题的2和4，给它们取名字# target_names：命名 # 打算准确率和召回率res = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])print(res)

precision表示准确率；recall表示召回率；f1-score表示综合指标；support表示预测的人数。
本模型的召回率，良性达到0.97，恶性达到0.96；该例子是检测癌症，我们希望能找到所有得癌症的人，纵然他不是癌症，也可以做进一步检讨，因此我们须要一个召回率高的模型。

数据集获取：

点赞、关注一下，私信“333”获取

完全代码：

#（1）数据获取import pandas as pdimport numpy as np# 癌症数据路径filepath = 'C:\\Users\\admin\\.spyder-py3\\test\\文件处理\\癌症\\breast-cancer-wisconsin.data'# 癌症的每一项特色名names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape','Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin','Normal Nucleoli', 'Mitoses', 'Class']# breast存放癌症数据，不默认将第一行作为列索引名，自定义列索引名breast = pd.read_csv(filepath,names=names)# 查看唯一值，Class这列代表的是否得癌症，利用.unique()函数查看该列有哪些互不相同的值unique = breast['Class'].unique() #只有两种情形，是二分类问题，2代表良性，4代表恶性 #（2）数据处理breast.info() #查看是否有缺失落值、重复数据# 该数据集存在字符串类型数据'?'# 将'?'转换成nanbreast = breast.replace(to_replace='?',value=np.nan)# 将nan所在的行删除breast = breast.dropna() # 特色值是除了class列以外的所有数据features = breast.drop('Class',axis=1)# 目标值是class这一列targets = breast['Class'] #（3）划分演习集和测试集from sklearn.model_selection import train_test_splitx_train,x_test,y_train,y_test = train_test_split(features,targets,test_size=0.25) #（4）特色工程# 导入标准化方法from sklearn.preprocessing import StandardScaler# 吸收标准化方法transfer = StandardScaler()# 对演习的特色值x_train提取特色并标准化处理x_train = transfer.fit_transform(x_train)# 对测试的特色值x_test标准化处理x_test = transfer.transform(x_test) #（5）逻辑回归预测# 导入逻辑回归方法from sklearn.linear_model import LogisticRegression# 吸收逻辑回归方法logist = LogisticRegression()# penalty=l2正则化；tol=0.001丢失函数小于多少时停滞；C=1惩罚项，越小惩罚力度越小，是岭回归的乘法力度的分之一# 演习logist.fit(x_train,y_train)# 预测y_predict = logist.predict(x_test)# 评分法打算准确率accuracy = logist.score(x_test,y_test) #（6）准确率和召回率# 导入from sklearn.metrics import classification_report# classification_report()# 参数(真实值,预测值,labels=None,target_names=None)# labels：class列中每一项，如该题的2和4，给它们取名字# target_names：命名 # 打算准确率和召回率res = classification_report(y_test,y_predict,labels=[2,4],target_names=['良性','恶性'])# precision准确率；recall召回率；综合指标F1-score；support：预测的人数print(res)末了有惊喜（别错过哦）

跻身大厂是每一个程序员的梦想，也希望有机会可以大放异彩，成绩斐然。
不过，不积跬步无以至千里，空想和现实的间隔是须要努力来不断缩短的。

以是这里我准备了一些礼包，希望能够帮助到各位小伙伴。
★礼包1

如果对学习没有低廉甜头力或者没有一起学习互换的动力，欢迎私信或者评论区留言，我会拉你进学习互换群，我们一起互换学习，报团打卡，群内更有浩瀚福利等你来解锁哟，赶紧加入我们吧！
★礼包2

❶Python全套电子书，200本统共6个G电子书资料，席卷Python各大领域。

❷Python练手项目，包括爬虫、数据剖析、机器学习、人工智能、小游戏开拓。