python (2) 逻辑回归实例

import torch
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt#数据预处理
#因为把数据集第一列当成了表头，所以写一句
data = pd.read_csv('C:\\Users\\qjjt\\Desktop\\python\\dataset\\第4章\\credit-a.csv',header=None)
print(data.head())#注意这里第16列是输出，不是特征值，所以要注意选取
#iloc函数根据位置索引，:是所有行都取。:-1取到-1前的列的特征
X = data.iloc[:,:-1]
Y = data.iloc[:,-1]
Y.unique() #查看Y的取值，可看见为1，-1，这里因为是逻辑回归，最好改为0,1
Y = data.iloc[:,-1].replace(-1,0)#将y中的-1替换为0
print(Y.unique())#数据预处理，从pandas转为tensor
X = torch.from_numpy(X.values).type(torch.float32)#X的值转为tensor后指定数据类型为float32print(X.shape) #可看出x的值是一个矩阵
print(Y.values) #可看出y是一个array，所以需要reshape成列向量的样子.因为X是[653,15],所以Y也要变成[653,1]
Y = torch.from_numpy(Y.values.reshape(-1,1)).type(torch.float32)
print(Y.size()) #torch.Size([653, 1])from torch import  nn#ky直接将多个层顺序组合成一个模型
# 第一层linear层输入15个特征值，输出一个参数
# 第二层sigmoid层转换，输出0,1
model = nn.Sequential(nn.Linear(15,1),nn.Sigmoid()
)
print(model) #打印看看model样子#二元交叉熵损失函数
loss_fn = nn.BCELoss()#优化函数
opt = torch.optim.Adam(model.parameters(),lr = 0.001)#batch训练，即从训练集中取出一部分训练
batch_size = 16   #一次训练16个数据
no_of_batch = 653//16  #最终要完成训练所花的次数，这里是整除epoches = 1000 #epoche指全部数据训练一遍
for epoche in range(epoches):for batch in range(no_of_batch):start = batch*batch_size #每次从start行开始输入数据end = start + batch_sizex = X[start:end] #一个批次中的x,yy = Y[start:end]y_pred = model(x)loss = loss_fn(y_pred,y)#梯度置零和计算参数梯度opt.zero_grad()#后向传播loss.backward()#优化opt.step()#显示最终计算出来的w1.w2....w15和b的数值，
print(model.state_dict())#查看实际预测结果，这里比较时都用的numpy
print((model(X).data.numpy() > 0.5).astype('int') == Y.numpy())
#预测模型正确率直接求均值即可得
print(((model(X).data.numpy() > 0.5).astype('int') == Y.numpy()).mean)

这里面损失，优化，后向传播概念可以看“反向传播算法”过程及公式推导（超直观好懂的Backpropagation）_aift的博客-CSDN博客_反向传播算法

反向传播详解_weixin_40788815的博客-CSDN博客_反向传播

python (2) 逻辑回归实例相关推荐

MATLAB逻辑回归实例及代码
MATLAB逻辑回归实例及代码逻辑回归基本流程: 注:回归系数W更新公式写错了,应该是减号,错写成加号了. 训练数据(包含训练样本及对应的标签)百度云链接:https://pan.baidu.com ...
python实现逻辑回归三种方法_纯Python实现逻辑回归
前几天使用后sklearn实现了逻辑回归,这里用纯python实现逻辑回归. 首先,我们定义一个sigmoid函数 def sigmoid(inX): #sigmoid函数 return 1.0/(1 ...
python实现逻辑回归代码_python如何实现逻辑回归 python实现逻辑回归代码示例
python如何实现逻辑回归?本篇文章小编给大家分享一下python实现逻辑回归代码示例,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以来看看. 代码如下: i ...
用python做逻辑回归_用Python来实现逻辑回归
1,什么是逻辑回归(Logistic Regression) 逻辑回归用于二分分类问题,二分分类问题的标签值只有两个,比如对于一首歌喜欢或者不喜欢:对于一件商品,喜欢或者不喜欢:对于某个考生,考试成 ...
python实现逻辑回归算法_逻辑回归算法的实现
前言在之前的学习中,我们已经学习了逻辑回归算法的具体数学原理及其简单的推导过程,现在,我们可以用python实现逻辑回归的算法了. 环境 python3.6 jupyter-notebook 绘制数 ...
Python实现逻辑回归实战(完整版)--内附详细代码
Hello大家!上一篇小A已经详细的为大家讲解了逻辑回归的原理和数学推导,但是对于学习人工智能来说仅仅学会原理是远远不够的,还必须要动手实践,必须要学会使用编程语言将算法实现.所以,今天我就来为大家展 ...
python对逻辑回归进行显著性_python sklearn库实现简单逻辑回归的实例代码
Sklearn简介 Scikit-learn(sklearn)是机器学习中常用的第三方模块,对常用的机器学习方法进行了封装,包括回归(Regression).降维(Dimensionality Red ...
Python实现逻辑回归
预备资源 Python的几个包: numpy: Python的语言扩展,定义了数字的数组和矩阵 pandas: 直接处理和操作数据的主要package statsmodels: 统计和计量经济学的pa ...
python实现逻辑回归的流程_逻辑回归原理及其python实现
September 28, 2018 7 min to read 逻辑回归原理及其python实现原理逻辑回归模型: $h_{\theta}(x)=\frac{1}{1+e^{-{\theta}^ ...

python (2) 逻辑回归实例

python (2) 逻辑回归实例相关推荐

最新文章

热门文章