邏輯迴歸：使用Python的簡化方法

邏輯迴歸的目標是什麼？

在邏輯迴歸中，我們希望根據一個或多個自變數（X）對因變數（Y）進行建模。這是一種分類方法。此演算法用於分類的因變數。Y使用一個函式建模，該函式為X的所有值提供0到1之間的輸出。在邏輯迴歸中，使用Sigmoid（aka Logistic）函式。

使用混淆矩陣進行模型評估

在針對某些訓練資料訓練邏輯迴歸模型之後，我們將評估模型在某些測試資料上的效能。為此，我們使用混淆矩陣（Confusion Matrix）。混淆矩陣是一個表，通常用於描述分類模型在一組已知真實值的測試資料上的效能。下面給出的是混淆矩陣。

TP代表真正例（True Positive），即我們預測為"是（yes）"且實際值為"真（true）"的情況。TN代表真負例（True Negative），即我們預測為"否（no）"且實際值為"假（false）"的情況。FP代表假正例（False Positive），這是我們預測為"是（yes）"，實際值為"假（false）"的情況。FN代表假負例（False Negative），這是案例我們預測為"否（no）"，實際值是"真（true）"的情況。

我們從混淆矩陣中推斷出什麼？

混淆矩陣有助於我們確定模型預測是正確的，或者換句話說，模型的準確性。透過上面的表格，它給出：

(TP+TN )/Total = 100+50/165 =0.91

這意味著該模型的正確度為91％。混淆矩陣還用於測量錯誤率，該錯誤率由下式給出：

(FP+ FN)/Total=15/165 = 0.09

模型中有9％的錯誤。

在本文中，我們將在python中處理非常簡單的步驟來模擬邏輯迴歸。

Python程式碼詳細解釋

我們將觀察資料、分析資料，將其視覺化，清理資料，構建邏輯迴歸模型，分成訓練和測試資料，進行預測並最終評估。所有這些都將一步一步完成，我們將要處理的資料是kaggle.com提供的"泰坦尼克號資料集"。這是一個非常著名的資料集，通常是學生基於分類學習機器學習的第一步。我們正在嘗試預測分類：生存或死亡

首先，我們將匯入numpy和pandas庫：

我們來進行視覺化匯入：

我們將繼續將泰坦尼克號資料集匯入pandas資料幀。之後，我們將檢查資料框的頭部，以便清楚地瞭解資料框中的所有列。

我們遇到的大多數資料都缺少資料。我們將檢查缺失的資料，並將其視覺化以獲得更好的想法並將其刪除。

在這裡，我們找到布林值。True表示該值為null，False表示負值，反之亦然。由於有大量資料，我們使用seaborn庫來顯示空值。在這種情況下，我們的任務變得更加容易。

年齡（Age）和船艙（Cabin）列具有空值。我在之前的部落格中處理過處理NA值的問題。有興趣可以檢視。

使用資料並充分利用視覺化庫來獲取資料是一種很好的做法。

這是一個計數圖，顯示倖存的人數，這是我們的目標變數。此外，我們可以根據性別（SEX）和乘客（train）類別繪製計數圖。

在這裡，我們看到一種趨勢，即女性比男性倖存的更多。

從上圖可以看出，屬於3級的乘客死亡人數最多。

我們可以透過更多方式視覺化資料。但是，我不是在這裡討論它們，因為我們需要進入模型構建的步驟。

資料清理

我們想要填寫缺少的年齡（Age）資料，而不是僅刪除缺少的年齡（Age）資料行。一種方法是填寫所有乘客（train）的平均年齡（估算）。但是，我們可以更加明智地按乘客（train）級別檢查平均年齡。例如：

我們可以看到較高階別中較富裕的乘客（train）往往年齡較大，這是有道理的。我們將根據年齡的Pclass使用這些平均年齡值來估算。

現在應用該功能！

現在讓我們再次檢查熱圖。

很好！讓我們繼續看船艙（Cabin）列。

轉換分類功能

我們需要使用pandas庫將分類特徵轉換為虛擬變數！否則，我們的機器學習演算法將無法直接將這些特徵作為輸入。

在這裡，我們正在篩選性別之後並列出專欄。在篩選之後，我們將丟棄其他不需要的列。

我們將連線新的性別並將列匯入資料框。

現在，資料框看起來像這樣：

測試訓練劃分

訓練和預測

評估

我們可以使用分類報告來檢查精確度、召回率、f1分數