机器学习三(sklearn逻辑回归多分类——数字识别)

约定不等于承诺〃 2022-05-22 04:10 260阅读 0赞

### 1.前言 ###

看了Andrew ng的课程，用python sklearn总结一下逻辑回归——多分类，数字识别。

### 2.python代码 ###

（1）数据集用的sklearn自带，数字0~9分类  
（2）采用和上篇博客一样的算法，稍作调整  
（3）执行代码如下multi\_class.py:

import util.logistic_regression as lr
    from sklearn import datasets
    
    def multi_class_classification():
        digits = datasets.load_digits()
        x = digits['data']
        y = digits['target']
        lr.logistic_regression(x, y)
    
    multi_class_classification()

（4）作调整后的逻辑回归算法util.logistic\_regression.py

import matplotlib.pyplot as plt
    from sklearn.linear_model import LogisticRegression
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    
    # 测试集，画图对预测值和实际值进行比较
    def test_validate(x_test, y_test, y_predict, classifier):
        x = range(len(y_test))
        plt.plot(x, y_test, "ro", markersize=5, zorder=3, label=u"true_v")
        plt.plot(x, y_predict, "go", markersize=8, zorder=2, label=u"predict_v,$R^2$=%.3f" % classifier.score(x_test, y_test))
        plt.legend(loc="upper left")
        plt.xlabel("number")
        plt.ylabel("true?")
        plt.show()
    
    
    def logistic_regression(x, y):
    
        # 对数据的训练集进行标准化
        ss = StandardScaler()
        x_regular = ss.fit_transform(x)
        # 划分训练集与测试集
        x_train, x_test, y_train, y_test = train_test_split(x_regular, y, test_size=0.1)
    
        lr = LogisticRegression()
        lr.fit(x_train, y_train)
    
        # 模型效果获取
        r = lr.score(x_train, y_train)
        print("R值(准确率):", r)
        # 预测
        y_predict = lr.predict(x_test)  # 预测
        print(y_predict)
        print(y_test)
    
        # 绘制测试集结果验证
        test_validate(x_test=x_test, y_test=y_test, y_predict=y_predict, classifier=lr)

### 3.验证结果 ###

（1）红点是测试集真实结果，绿点是预测结果，红框部分出现了红绿点不重合部分数据，看到正确率r=0.967，预测正确/总数  
![这里写图片描述][70]  
（2）输出结果，测试数据集y\_test，和预测y\_predict=lr.predict(x\_test)。  
红框找到几个不同的，这里还是写段代码查找比较好。  
![这里写图片描述][70 1]

[70]: /images/20220522/d0f2cc3a85b94dd48981724c46a3e1ec.png
[70 1]: /images/20220522/ccf58be1457f4a2cb361a70648d39d76.png