前言
逻辑回归（Logistic Regression）是一种用于处理分类问题的统计学习方法，尽管名字中包含“回归”一词，但它实际上是一种分类算法，通常用于解决二分类问题（也可扩展到多分类问题）。逻辑回归适用于预测一个二分类目标变量的概率，它的输出值是0到1之间的一个概率。
下面是逻辑回归的基本原理：
假设：逻辑回归基于线性回归的思想，但它使用了逻辑函数（也称为sigmoid函数）来将线性输出映射到概率。逻辑函数的数学表达式为：
是线性组合（权重乘以特征值的和）
模型：对于给定的输入特征 ，逻辑回归的模型表达式为：
其中， 是观测为类别1的概率， 是目标变量， ， ，...， 是模型参数
训练：模型的参数 通过最大似然估计（Maximum Likelihood Estimation，MLE）来学习，最终的目标是使观测到的样本属于其真实类别的概率最大化
决策边界： 当概率 大于某个阈值时，模型将样本预测为类别1；否则，预测为类别0。通常，阈值被设置为0.5
逻辑回归的优点包括简单、易于理解和实现，适用于线性可分或近似线性可分的问题。然而，它也有一些局限性，例如对于非线性关系的建模能力较弱。在处理复杂的非线性问题时，可能需要考虑其他更复杂的模型。
代码实现
from ucimlrepo import fetch_ucirepo
# fetch dataset
heart_failure_clinical_records = fetch_ucirepo(id=519)
# data (as pandas dataframes)
X = heart_failure_clinical_records.data.features
y = heart_failure_clinical_records.data.targets
# metadata
print(heart_failure_clinical_records.metadata)
# variable information
print(heart_failure_clinical_records.variables)
访问UCI机器学习数据集为实验进行数据支撑。该数据集包含随访期间收集的29 9名心力衰竭患者的病历，其中每个患者档案有 13 个临床特征。目标为死亡事件：患者是否在随访期间死亡。
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score,roc_curve, auc
# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 特征标准化
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)
# 创建逻辑回归模型
model = LogisticRegression()
# 训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算准确度
accuracy = accuracy_score(y_test, y_pred)
print(f'Accuracy: {accuracy}')
# 预测并计算性能指标（如AUC）
y_pred_proba = model.predict_proba(X_test)[:, 1]
fpr, tpr, _ = roc_curve(y_test, y_pred_proba)
roc_auc_nb = auc(fpr,tpr)
使用 scikit-learn 实现逻辑回归模型，包括数据集划分、特征标准化、模型训练、准确度计算以及通过 ROC 曲线计算 AUC 等步骤，用于解决二分类问题。
from sklearn.metrics import classification_report, confusion_matrix
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 输出混淆矩阵
confusion_matrix = confusion_matrix(y_test, y_pred)
plt.figure(figsize = (6, 6), dpi = 300)
sns.heatmap(confusion_matrix, annot = True, annot_kws = {'size':15}, fmt = 'd', cmap = 'YlGnBu_r')
# 绘制热力图 annot = True热力图上显示数值，annot_kws设置单元格数值标签的其他属性,fmt指定单元格数据显示格式cmap用于热力图填色
plt.title('混淆矩阵热力图')
plt.xlabel('预测值')
plt.ylabel('真实值')
plt.show()
使用scikit-learn库评估分类模型的性能。它根据预测值（
y_pred
）和真实标签（
y_test
）生成混淆矩阵。通过seaborn和matplotlib，将混淆矩阵可视化为热力图，直观展示模型在预测不同类别方面的表现。
# 绘制ROC曲线
plt.figure()
lw = 2
plt.plot(fpr, tpr, color='darkorange', lw=lw, label='ROC curve (area = %0.2f)' % roc_auc_nb)
plt.plot([0, 1], [0, 1], color='navy', lw=lw, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('ROC曲线')
plt.legend(loc="lower right")
plt.show()
绘制二分类模型的ROC曲线（Receiver Operating Characteristic）。ROC曲线是一种用于评估分类模型性能的图形工具，它以真正例率（True Positive Rate，又称为灵敏度或召回率）为纵轴，假正例率（False Positive Rate）为横轴，展示了在模型的性能，ROC曲线越靠近左上角，模型性能越好。
# 输出模型报告， 查看评价指标
print(classification_report(y_test, y_pred))
逻辑回归分类模型的性能报告，报告中包含了针对每个类别（在这里是0和1）的精确度（precision）、召回率（recall）、F1分数（f1-score）以及支持数量（support）。下面是对这些指标的简要解释：
- Precision（精确度）：对于预测为正类别的样本，有多少确实属于正类别。对于类别0，精确度是0.76，对于类别1，精确度是0.93。这意味着对于模型预测为0的样本，有76%确实是0；对于预测为1的样本，有93%确实是1。
- Recall（召回率）：对于实际为正类别的样本，有多少被正确地预测为正类别。对于类别0，召回率是0.97，对于类别1，召回率是0.56。这表示对于实际为0的样本，有97%被成功预测为0；对于实际为1的样本，只有56%被成功预测为1。
- F1-Score（F1分数）：精确度和召回率的调和平均值，是一个综合指标。对于类别0，F1分数是0.85，对于类别1，F1分数是0.70。
- Support（支持数量）：在测试集中属于每个类别的样本数量。对于类别0，有35个样本；对于类别1，有25个样本。
- Accuracy（准确度）：整个模型的正确分类比例，是一个综合指标。在这里，准确度为0.80，表示模型正确分类了80%的样本。
- Macro Avg和Weighted Avg：这是宏平均和加权平均，分别是所有类别的平均值。Macro Avg计算了每个类别指标的简单平均，而Weighted Avg考虑了每个类别的样本数量，进行了加权平均。在这里，Macro Avg和Weighted Avg给出了模型整体性能的平均指标。
总体而言，这个模型对类别0的性能较好（高精确度和高召回率），但对类别1的性能稍显下降。
如果你对类似于这样的文章感兴趣。
欢迎关注、点赞、转发~