7.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？

（1）首先什么是过拟合？

过拟合是指训练模型时过于严格，学习能力太强，导致训练出的模型过于复杂，学习到了很多无关紧要的特征，过度拟合的问题通常发生在变量（特征）过多的时候。这种情况下训练出的方程总是能很好的拟合训练数据，此时的代价函数可能非常接近于 0 或者就为 0，出现这种现象的主要原因是训练数据中存在噪音或者训练数据太少。

（2）如何防止过拟合？

　　1）增加样本量，适用任何模型。

　　2）使用正则化：如果数据稀疏，使用L1正则，其他使用L2正则较好

　　3）特征选择，检查选取的特征，将一些不重要的特征去除降低模型复杂度；

　　4）逐步回归

　　4）进行离散化处理，所有特征都离散化（逻辑回归特有的防止过拟合的方法）

（3）为什么正则化可以防止过拟合？

　　L1正则是通过增大正则项导致更多参数为0，参数系数化降低模型复杂度，从而抵抗过拟合，L2正则是通过使得参数都趋于0，变得很小，降低模型的抖动，从而抵抗过拟合。正则化中我们将保留所有的特征变量，但是会减小特征变量的数量级（参数数值的大小θ(j)）。这个方法非常有效，当我们有很多特征变量时，其中每一个变量都能对会对预测或多或少产生影响影响。所以我们不能一昧的把那些特征数据删掉，我们可以利用正则化对特征数据进行减拟合，防止过拟合。

2.用logiftic回归来进行实践操作，数据不限。

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report
import pandas as pd
def log_R():
    data = pd.read_csv('./venv/data/房产信息.csv')
    # 文件为从https://guangzhou.leyoujia.com/esf/乐有家官网爬取的数据
    # 201706120019hdfend.csv文件为处理有导出的数据文件
    # 房屋朝向特征化：
    # 南：0
    # 东：1
    # 北：2
    # 西：3
    # 房屋有无电梯特征化：
    # 暂无：0
    # 有电梯：1
    # 房屋楼层特征化：
    # 高楼层：0
    # 中楼层：1
    # 低楼层：2
    # 装修程度特征化：
    # 普装：0
    # 精装：1
    # 毛呸：2
    # 豪装：3
    x = data.loc[:, ['朝向', '时间', '楼层', '面积㎡', '室', '厅', '房', '装修程度','售价']]
    print(x)
    y = data.iloc[:, 2]
    print(y)
    #缺失值处理
    data = data.dropna(axis=0)
    #数据分割
    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)
    # 进行标准化处理，只处理将x标准化，y不需要，因为y是只有0,1的分类
    std = StandardScaler()
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)
    #构建回归模型
    LR_model = LogisticRegression()
    # 模型预测
    LR_model.fit(x_train,y_train)
    # 预测结果
    y_pre = LR_model.predict(x_test)
    print('逻辑回归模型的权值：\n', LR_model.coef_)
    print("准确率：",LR_model.score(x_test,y_test))
    print("模型的分类报告，召回率:\n",classification_report(y_test,y_pre,target_names=["暂无电梯","有电梯"]))
if __name__ == '__main__':
    log_R()

训练集

结果集

 

 

预测 结果：