1. 引言
前面两篇文章中，我们介绍了 logistic 回归的原理和实现： Logistic 回归数学公式推导 梯度上升算法与随机梯度上升算法 本文，我们来看看如何使用 sklearn 来进行 logistic 回归呢。
2. Sklearn 的 logistic 回归
sklearn 通过 sklearn.linear_model.LogisticRegression 实现了逻辑斯蒂回归算法。 官方文档： https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html。 下面的列表中，我们将样本数称为 ns，将分类数称为 nc，将特征数称为 nf。
3. LogisticRegression 的构造参数
sklearn.linear_model.LogisticRegression 具有以下构造参数：
DecisionTreeClassifier 类构造参数
3.1. penalty
penalty 参数是规范化方法，也称为正则化方法，主要是为了防止出现过拟合，具体的我们后面专门用一篇文章详细进行总结。 newton-cg、sag 和 lbfgs 算法只能使用 l2 正则化。 ‘elasticnet’ 只适用于 saga 算法。 具体算法由 solver 参数指定。
3.2. class_weight
class_weight 参数决定了样本的各分类类型权重，可以取值：
- dict — 通过 dict 定义分类权重：{class_label: weight}
- ‘balance’ — 使用 ns/(nc * np.bincount(y)) 作为分类权重
- None — 默认值，不指定权重
3.3. solver
优化算法，有五个可选的参数：’newton-cg’, ’lbfgs’, ’liblinear’, ’sag’, ’saga’
- liblinear — 开源的liblinear库实现，内部使用了坐标轴下降法来迭代优化损失函数，适用于小数据集
- lbfgs — 拟牛顿法，利用损失函数二阶导数矩阵即海森矩阵来迭代优化损失函数，因此他不能用于没有连续导数的L1正则化，只能用于L2正则化
- newton-cg — 牛顿迭代，也是利用损失函数二阶导数矩阵即海森矩阵来迭代优化损失函数，因此也只能使用 L2 正则化
- sag — 随机平均梯度下降法，适用于样本量非常大的数据集，否则结果准确率会受到影响，不能用于L1正则化
- saga — 快速梯度下降法，线性收敛的随机优化算法的的变种，适用于样本量非常大的数据集
3.4. multi_class
多分类问题处理方法，有三个参数可选：’ovr’, ’multinomial’, ’auto’ 既然是“多分类问题处理方法”，所以对于二分类问题，选择哪个的处理方法都是一样的。
- ‘ovr’ — ’OvR’, 将多分类问题看成是二分类问题，每次只将一类样本与其他类样本组成的集合进行训练，进行 nc 次训练以后就可以完成多分类问题的处理了
- ‘multinomial’ — ’MvM’，liblinear 不能选择该项，以单循环的方式进行分类，每次处理两个分类，保证样本中所有分类两两组合进行过一次训练，共需 nc*(nc-1)/2 次训练，分类速度慢，但分类结果更准确
- ‘auto’ — 如果 resolver 是 liblinear 则选择 OvR，否则选择 MvM
4. LogisticRegression 的类属性
LogisticRegression 的类属性
5. 类方法
- decision_function(X) — 预测样本的置信度分数
- densify() — 密集化处理，将系数矩阵转换为密集阵列格式，默认格式
- sparsify() — 稀疏化处理，将系数矩阵转换为稀疏格式
- fit(X, y[, sample_weight]) — 训练逻辑斯蒂模型
- get_params([deep]) — 获取参数
- predict(X) — 使用已训练模型进行预测
- predict_log_proba(X) — 获取预测样本 log 概率估计
- predict_proba(X) — 获取预测样本概率估计
- score(X, y[, sample_weight]) — 模型打分
- set_params(**params) — 设置参数
6. 示例
代码语言：javascript复制print(__doc__)
# Code source: Gaël Varoquaux
# Modified for documentation by Jaques Grobler
# License: BSD 3 clause
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn import datasets
# import some data to play with
iris = datasets.load_iris()
X = iris.data[:, :2] # we only take the first two features.
Y = iris.target
logreg = LogisticRegression(C=1e5, solver='lbfgs', multi_class='multinomial')
# Create an instance of Logistic Regression Classifier and fit the data.
logreg.fit(X, Y)
# Plot the decision boundary. For that, we will assign a color to each
# point in the mesh [x_min, x_max]x[y_min, y_max].
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() .5
h = .02 # step size in the mesh
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
Z = logreg.predict(np.c_[xx.ravel(), yy.ravel()])
# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.figure(1, figsize=(4, 3))
plt.pcolormesh(xx, yy, Z, cmap=plt.cm.Paired)
# Plot also the training points
plt.scatter(X[:, 0], X[:, 1], c=Y, edgecolors='k', cmap=plt.cm.Paired)
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.xticks(())
plt.yticks(())
plt.show()
7. 参考资料
https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html。 https://scikit-learn.org/stable/auto_examples/linear_model/plot_iris_logistic.html#sphx-glr-auto-examples-linear-model-plot-iris-logistic-py。
