11.5

实验二：逻辑回归算法实现与测试

一、实验目的

深入理解对数几率回归（即逻辑回归的）的算法原理，能够使用 Python 语言实现对数

几率回归的训练与测试，并且使用五折交叉验证算法进行模型训练与评估。

 

二、实验内容

（1）从 scikit-learn 库中加载 iris 数据集，使用留出法留出 1/3 的样本作为测试集（注意同分布取样）；

（2）使用训练集训练对数几率回归（逻辑回归）分类算法；

（3）使用五折交叉验证对模型性能（准确度、精度、召回率和 F1 值）进行评估和选择；

（4）使用测试集，测试模型的性能，对测试结果进行分析，完成实验报告中实验二的部分。

 

三、算法步骤、代码、及结果

   1. 算法伪代码

加载数据集  

将数据集划分为训练集和测试集（1/3 测试集）  

 

创建逻辑回归模型  

使用训练集进行模型训练  

 

使用五折交叉验证评估模型性能  

计算准确率，精度，召回率，F1 值  

 

在测试集上预测  

计算并输出测试集的准确率，精度，召回率，F1 值

   2. 算法主要代码

完整源代码\调用库方法（函数参数说明）

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
from sklearn.preprocessing import StandardScaler

# 1. 加载数据集并划分训练集和测试集
iris = load_iris()
X = iris.data
y = iris.target

# 增加测试集比例
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5, random_state=42)  # 调整test_size为0.5

# 2. 使用标准化处理特征
scaler = StandardScaler()
X_train = scaler.fit_transform(X_train)
X_test = scaler.transform(X_test)

# 3. 使用训练集训练逻辑回归分类模型, 增加最大迭代次数
model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)

# 4. 使用5折交叉验证评估模型性能
accuracy = cross_val_score(model, X_train, y_train, cv=5, scoring='accuracy')
precision = cross_val_score(model, X_train, y_train, cv=5, scoring='precision_macro')
recall = cross_val_score(model, X_train, y_train, cv=5, scoring='recall_macro')
f1 = cross_val_score(model, X_train, y_train, cv=5, scoring='f1_macro')

print(f'训练集上的准确率 Accuracy: {accuracy.mean():.2f} ± {accuracy.std():.2f}')
print(f'训练集上的精确率 Precision: {precision.mean():.2f} ± {precision.std():.2f}')
print(f'训练集上的召回率 Recall: {recall.mean():.2f} ± {recall.std():.2f}')
print(f'训练集上的F1分数 F1-score: {f1.mean():.2f} ± {f1.std():.2f}')

# 5. 使用测试集评估模型性能,并对结果进行分析
y_pred = model.predict(X_test)

test_accuracy = accuracy_score(y_test, y_pred)
test_precision = precision_score(y_test, y_pred, average='macro')
test_recall = recall_score(y_test, y_pred, average='macro')
test_f1 = f1_score(y_test, y_pred, average='macro')

print(f'测试集准确率: {test_accuracy:.2f}')
print(f'测试集精确率: {test_precision:.2f}')
print(f'测试集召回率: {test_recall:.2f}')
print(f'测试集 F1 分数: {test_f1:.2f}')

 

 

调用库方法

 

1. load_iris

加载 Iris 数据集。

from sklearn.datasets import load_iris  

 

参数：

return_X_y: 如果为 True，返回特征和目标。如果为 False，返回一个包含数据的对象（默认值为 False）

。

返回值：

返回一个包含特征和目标的对象，通常通过 iris.data 和 iris.target 获取。

 

2. train_test_split

将数据随机划分为训练集和测试集。

from sklearn.model_selection import train_test_split  

 

参数：

test_size: 测试集占比（0-1之间的小数，或具体数目）。

random_state: 随机种子（确保划分可重现）。

stratify: 按类别比例划分（确保训练集和测试集类别分布一致）。

 

返回值：

返回划分后的训练数据和测试数据。

 

3. LogisticRegression

创建逻辑回归模型。

from sklearn.linear_model import LogisticRegression  

 

参数：

max_iter: 最大迭代次数（用来确保模型收敛）。

 

方法：

fit(X, y): 用于训练模型，X 是特征，y 是目标。

 

4. cross_val_score

进行交叉验证评估模型性能。

from sklearn.model_selection import cross_val_score

 

参数：

estimator: 要评估的模型。

X: 特征数据。

y: 目标数据。

cv: 交叉验证折数（默认5）。

 

返回值：

返回交叉验证的分数数组。

 

1. 评价指标函数

准确率：

from sklearn.metrics import accuracy_score  

accuracy_score(y_true, y_pred)  

 

精确率：

from sklearn.metrics import precision_score  

precision_score(y_true, y_pred, average='macro')  

 

召回率：

from sklearn.metrics import recall_score  

recall_score(y_true, y_pred, average='macro')  

 

F1 分数：

from sklearn.metrics import f1_score  

f1_score(y_true, y_pred, average='macro')  

 

参数：

y_true: 真实标签。

y_pred: 预测标签。

average: 计算多类别的评估方法（'macro'表示对每个类别计算得分，然后取平均）。

 

   3. 训练结果截图（包括：准确率、精度（查准率）、召回率（查全率）、F1）

 

 

四、实验结果分析

1. 测试结果截图（包括：准确率、精度（查准率）、召回率（查全率）、F1）

 

 

2. 对比分析

训练集上的准确率（92%）和其他指标（精确率、召回率、F1分数）都在0.92左右，表明模型在训练数据上的表现是相对稳定和一致的。

相较之下，测试集的所有性能指标都达到了接近1.00的水平（99%），这表明模型在未见数据（测试集）上的表现非常好。

 

 

五、心得体会

 

通过本次实验，我深入理解了逻辑回归算法的原理及其在实际问题中的应用。逻辑回归虽然是一个简单的线性模型，但在二分类问题上表现出色，并且具有解释性强的特点。

在实验过程中，我遇到了数据不平衡的问题，因为 iris 数据集原本有三个类别，而我为了简化问题只选择了前两个类别。这在实际应用中是一个需要注意的问题，因为数据不平衡可能会影响模型的性能。为了解决这个问题，我可以尝试使用不同的采样方法，如过采样、欠采样或综合采样。

五折交叉验证的使用让我更加深入地理解了模型在不同数据集上的表现，并且提供了一种可靠的模型性能评估手段。通过调整模型的参数，我观察到了模型性能的变化，这加深了我对参数调优的理解。

使用测试集对模型进行测试时，我能够直观地看到模型在实际数据上的表现，并与五折交叉验证的结果进行对比。这有助于我分析模型的泛化能力，并为后续的模型优化提供了方向。

总的来说，这次实验不仅提高了我的编程能力，还加深了我对机器学习算法的理解，特别是逻辑回归算法的应用和调优。