python绘制逻辑回归图

原创

mob64ca12e5c0c2 2024-09-01 04:05:36 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12e5c0c2的原创作品，请联系作者获取转载授权，否则将追究法律责任

如何使用Python绘制逻辑回归图

在机器学习中，逻辑回归是一种常见的分类算法。通过Python绘制逻辑回归图，可以直观地显示模型对数据的分类能力。在本文中，我们将通过一系列步骤来实现这个目标。

整体流程

我们可以将整个流程分为以下几步：

步骤	描述
步骤1	导入必要的库和模块
步骤2	准备数据集
步骤3	拟合逻辑回归模型
步骤4	生成预测值
步骤5	绘制逻辑回归图

下面，我们将逐步深入每个步骤，学习如何实现。

步骤详解

步骤1：导入必要的库和模块

首先，我们需要导入一些必要的库，主要包括Pandas, Numpy, Matplotlib和Scikit-Learn。

# 导入Pandas用于数据处理
import pandas as pd  
# 导入Numpy用于数组操作
import numpy as np  
# 导入Matplotlib用于绘图
import matplotlib.pyplot as plt  
# 导入逻辑回归模型模块
from sklearn.linear_model import LogisticRegression  
# 导入用于训练测试数据分割的模块
from sklearn.model_selection import train_test_split

步骤2：准备数据集

接下来，我们将创建一个简单的示例数据集，包含两个特征和一个二分类标签。

# 创建一个简单的数据集
data = {
    'Feature1': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'Feature2': [1, 2, 1, 2, 1, 2, 1, 2, 1, 2],
    'Target': [0, 0, 0, 1, 1, 1, 0, 1, 1, 1]
}
# 转换为DataFrame
df = pd.DataFrame(data)

步骤3：拟合逻辑回归模型

我们将分割数据为训练集和测试集，并使用训练集来拟合逻辑回归模型。

# 分割数据集，70%用于训练，30%用于测试
X = df[['Feature1', 'Feature2']]  # 特征
y = df['Target']                    # 标签
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建逻辑回归模型
model = LogisticRegression()  
# 拟合模型
model.fit(X_train, y_train)

步骤4：生成预测值

根据训练好的模型，我们生成预测值。

# 生成预测值
y_pred = model.predict(X_test)

步骤5：绘制逻辑回归图

最后，用Matplotlib绘制逻辑回归图。

# 绘制数据点
plt.scatter(X['Feature1'], X['Feature2'], c=df['Target'], cmap='rainbow')

# 为每个特征创建网格并预测逻辑回归的结果
x_min, x_max = df['Feature1'].min() - 1, df['Feature1'].max() + 1
y_min, y_max = df['Feature2'].min() - 1, df['Feature2'].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.1), np.arange(y_min, y_max, 0.1))
Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 绘制决策边界
plt.contourf(xx, yy, Z, alpha=0.5)
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('Logistic Regression Decision Boundary')
plt.show()

状态图

使用 Mermaid 语法显示整个流程的状态图：

stateDiagram
    [*] --> 导入库
    导入库 --> 准备数据
    准备数据 --> 拟合模型
    拟合模型 --> 生成预测
    生成预测 --> 绘制图形
    绘制图形 --> [*]

甘特图

使用 Mermaid 语法显示各步骤的甘特图：

gantt
    title 绘制逻辑回归图的步骤
    dateFormat  YYYY-MM-DD
    section 步骤
    导入库              :a1, 2023-10-01, 1d
    准备数据            :a2, after a1, 1d
    拟合模型            :a3, after a2, 1d
    生成预测            :a4, after a3, 1d
    绘制图形            :a5, after a4, 1d