python学习-Logistic回归与Softmax回归

图像分类数据集有CIFAR-10、ImageNet

应用：情感分类

关键：将样本x从文本形式转为向量形式词袋模型（Bag-of-Words，BoW）

模型性能的评估指标

混淆矩阵（confusion matrix）

对于二分类问题，根据每一个样本的真实标签𝒚 和预测标签𝒚 ෝ的差异，可以得到一个2*2的矩阵

对于多分类（N）问题，可以得到一个N*N的矩阵

二分类评价指标

三分类评价指标

micro策略

指把所有的类放在一起算，即所有类的TP加和，再除以所有类的 TP和FP的加和。因此， micro方法下的precision和recall都等于accuracy。

macro策略

先分别求出每个类的precision再算术平均

Weighted策略

weighted算法不再是取算术平均, 而是乘以该类在总样本数中的占比作为权重

逻辑斯蒂回归(logistic regression)是机器学习中的经典分类方法，属于对数线性模型的一种。

对于线性判别函数f（实数空间），选择怎样的决策函数g，能让决策空间缩小到[0,1]上，同时保证损失函数的连续性？

以二分类问题为例：

以下第一个函数也叫sigmoid函数

梯度下降过程中，需要在每个点上计算损失函数的梯度，然后继续朝负梯度值的方向移动。因此，计算损失函数相对于参数向量每个分量的梯度，然后更新参数。参数(权值向量)更新公式为：

算法关键步骤：

（1）随机初始化权重参数和偏置项

（2）计算初步加权平均输出X_out

（3）对X_out进行Sigmoid转换

（4）计算真实值和预测值的误差err

（5）计算权重参数的梯度

（6）计算偏置项的梯度

（7）分别更新权重参数和偏置项的参数

（8）记录损失，以便后续观察是否收敛

（9）重复1-8，直至收敛

import pandas as pd
import numpy as np
import os
os.chdir(r"d:\classdata\机器学习\02\to_student\data")
df = pd.read_csv("iris.csv")
df.head()
X = df.iloc[:100,0:4].values#读取样本点数据
y = df.iloc[:100,4].values#读取样本点真实值
y = np.where(y == 'setosa',0,1)#对真实值二值化
w_ = np.zeros(1+X.shape[1])#构造线性函数，除了权重参数需要加上偏置项，这样才构成权值向量，shape[1]表示X的1维长度
total_loss = []#构造损失列表，表示收敛趋势
iter = 1000
for i in range(iter):X_out = X.dot(w_[1:].T)#使用权值向量输出预测值y_val = 1/(1 + np.exp(-X_out))#对预测值进行sigmoid化err = y - y_val#真实值和预测值的误差errgrad = -(1/len(X))*X.T.dot(err)#计算权重参数的梯度eta = 0.25#设置步长w_[1:] -= eta*gradw_[0] -= -(1/len(X))*eta*err.sum()#计算偏置项梯度，然后乘以步长，更新偏置项loss = (1/len(X))*(-y.dot(np.log(y_val))-(1-y).dot(np.log(1-y_val)))#记录损失total_loss.append(loss)print('no.{} is completed,loss is {}'.format(i+1, loss))
print(w_)

多分类问题

类别标签𝑦 ∈ {1,2, … , 𝐶}可以有𝐶个取值