РУКОВОДСТВО ПО ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ
Как улучшить логистическую регрессию?
Раздел 3: Настройка модели в Python
Ссылка Как реализовать логистическую регрессию? Раздел 2: Построение модели на Python , прежде чем продолжить…
[10] Определение параметров поиска по сетке
param_grid_lr = { 'max_iter': [20, 50, 100, 200, 500, 1000], 'solver': ['newton-cg', 'lbfgs', 'liblinear', 'sag', 'saga'], 'class_weight': ['balanced'] }
max_iter
- количество итераций.solver
- алгоритм, используемый для оптимизации.class_weight
предназначен для устранения несбалансированной выборки данных.
Зачем нужен этот шаг: Для установки выбранных параметров используется поиск оптимальной комбинации. Обратившись к документации sklearn.linear_model.LogisticRegression, вы можете найти полный список параметров с описаниями, которые можно использовать в функциях поиска по сетке.
[11] Настройка гиперпараметров с использованием данных обучения
from sklearn.linear_model import LogisticRegression from sklearn.model_selection import GridSearchCV logModel_grid = GridSearchCV(estimator=LogisticRegression(random_state=1234), param_grid=param_grid_lr, verbose=1, cv=10, n_jobs=-1) logModel_grid.fit(X_train, y_train) print(logModel_grid.best_estimator_) ... Fitting 10 folds for each of 30 candidates, totalling 300 fits LogisticRegression(C=1.0, class_weight='balanced', dual=False, fit_intercept=True, intercept_scaling=1, l1_ratio=None, max_iter=20, multi_class='warn', n_jobs=None, penalty='l2', random_state=1234, solver='newton-cg', tol=0.0001, verbose=0, warm_start=False)
Примечание. Общее количество подгонок составляет 300, поскольку cv
определен как 10 и имеется 30 кандидатов (max_iter
имеет 6 определенных параметров, solver
имеет 5 определенных параметров, а class_weight
имеет 1 определенный параметр). Следовательно, расчет для общего количества подходов → 10 x [6 x 5 x 1] = 300.
estimator
- интересующая модель машинного обучения при условии, что у модели есть функция оценки; в этом случае назначенной моделью является LogisticRegression ().random_state
- это начальное число генератора псевдослучайных чисел, которое используется при перетасовке данных. Чтобы избежать расхождений в результатах числовой оценки модели, установите начальное значение на постоянное число для сравнения модели с моделью; в этом случае номер установлен на 1234.param_grid
- словарь с именами параметров (строкой) в качестве ключей и списками настроек параметров, которые можно попробовать в качестве значений; это позволяет осуществлять поиск по любой последовательности настроек параметров.verbose
- многословность: чем выше, тем больше сообщений; в этом случае он установлен на 1.cv
- генератор перекрестной проверки или итерация, в этом случае перекрестная проверка выполняется в 10 раз.n_jobs
- максимальное количество одновременно работающих воркеров; в этом случае он установлен в -1, что означает, что используются все процессоры.
Зачем этот шаг: найти оптимальную комбинацию гиперпараметров, которая минимизирует предопределенную функцию потерь для получения лучших результатов.
[12] Прогноз по данным тестирования
y_pred = logModel_grid.predict(X_test) print(y_pred) ... [1 1 0 0 0 0 0 1 1 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 1 0 1 1 1 1 0 1 0 0 0 0 1 0 0 1 0 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 0 1 0 1 0 1 0 1 1 0 0 1 0 0 1 1 1 0 1 0 0 0 1 1 1 0 0 1 1 1 0 0 1 1 0 1 0 1 1 1 0 0 1 0 1 1 0 1 1 1 0 1 0 1 0 1 1 0 0 0 1 0 0 0 0 0 0 0 1 1 1 1 1 0 0 1 1 0 1 0 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 0 0 0 0 1 1 1 0 0 1 1 1 1 1 1 0 1 0 1 0 1 1 1 1 1 0 1 1 1 1 1 0 0 1 0 1 1 0 1 1 1 1 1 1 1 0 1 0 1 0]
Почему этот шаг: получение прогноза модели на основе данных тестирования для оценки точности и эффективности модели.
[13] Числовой анализ
from sklearn.metrics import confusion_matrix print(confusion_matrix(y_test, y_pred), ": is the confusion matrix \n") from sklearn.metrics import accuracy_score print(accuracy_score(y_test, y_pred), ": is the accuracy score") from sklearn.metrics import precision_score print(precision_score(y_test, y_pred), ": is the precision score") from sklearn.metrics import recall_score print(recall_score(y_test, y_pred), ": is the recall score") from sklearn.metrics import f1_score print(f1_score(y_test, y_pred), ": is the f1 score") ... [[85 21] [12 90]] : is the confusion matrix 0.8413461538461539 : is the accuracy score 0.8108108108108109 : is the precision score 0.8823529411764706 : is the recall score 0.8450704225352113 : is the f1 score
Примечание. Используя матрицу путаницы, можно извлечь истинно положительные, ложноположительные, ложноотрицательные и истинно отрицательные значения, которые помогут в вычислении показателя точности, показателя точности, показателя отзыва и показателя f1:
- Истинно положительный = 85
- Ложноположительный = 21
- Ложноотрицательный = 12
- True Negative = 90.
Зачем нужен этот шаг: чтобы оценить производительность настроенной модели классификации. Как видите, показатели точности, точности, отзыва и F1 улучшились за счет настройки модели на основе базовой модели логистической регрессии, созданной в Разделе 2.
Далее - Зачем использовать логистическую регрессию? Раздел 4: Оценка компромиссов модели …