1.逻辑回归概念

       逻辑回归又称逻辑回归分析，是一种广义的线性回归分析模型，自变量可以包括很多因素，因变量常为二分类结果，如图 1-1 所示。常用于数据挖掘、疾病自动诊断、经济预测等领域，例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。

       逻辑回归与多重线性回归实际上有很多相同之处，最大的区别就在于它们的因变量不同，其他的都差不多，如图 1-2 所示。因此，这两类回归可以归于广义线性模型。如果是连续的，就是多重线性回归；如果是二项分布，就是逻辑回归；如果是泊松分布，就是泊松回归；如果是负二项分布，就是负二项回归。

2.逻辑回归原理

       逻辑回归虽然名字里带“回归”，但是实际上它是一种分类方法，主要用于二分类问题，所以需要使用 logistic 函数(或称为 sigmoid 函数)，函数形式为：

g(z)=1/1+e^-z复制

       逻辑回归首先把样本映射到[0,1]之间的数值，这就归功于 sigmoid 函数，可以把任何连续的值映射到[0,1]之间，数越大越趋向于 0，越小越趋近于 1。在逻辑回归中还有一个非常重要的步骤是选定阈值，意思是确定一个值作为阈值，如选定阈值为 0.5，那么小于 0.5的预测为负例，哪怕结果是0.49，也将这个样本预测为负例，反之则为正例。但由于只是根据阈值进行预测，误差都是存在的，所以选定阈值时需要选择可以接受误差的程度。

3.案例分析

        逻辑回归在分类的时候，计算量仅仅只和特征的数目相关，简单易理解，模型的可解释性非常好，从特征的权重可以看到不同的特征对最后结果的影响。本节通过一个具体的实例，使读者能够加深对逻辑回归模型的理解，掌握如何使用 Python 编程语言及阿里云机器学习 PAI 平台，进行基于逻辑回归算法的数据分析。

1.数据分析

       实例提供某卫生组织收集的人群类型属性及早餐饮品数据，需要分析不同类型的人群与早餐饮品间的关系，要求通过逻辑回归算法，建立人群与早餐饮品间的逻辑关系， 以达成通过人群属性预测早餐饮品的目标。其中数据文件为 ods_breakfast_info.csv,字段说明见表1-3。

1-3 市民属性与早餐饮品中表字段说明

字段名	类型	含义
age	数值	年龄
gender	数值	性别
occupation	数值	职业
marital_status	数值	婚姻状态
breakfast	字符串	早餐种类

2.基于Python编程语言实现

 ① 开发前准备工作：确保本机已安装 Anaconda3-5.1.0 及以上版本，准备本地数据文件 ods_breakfast_info. csv，运行 Jupyt Notebook 程序，在 Web 浏览器中新建 Python3 文件。

② 导入所需的 Python 模块 

#引入模块
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report复制

 ③ 加载 CSV 数据文件，并对数据进行必要的观察和探索，如图 1-4和图 1-5 和图1-6所示。

#读取数据
data=pd.read_csv("ods_breakfast_info.csv",encoding="gb2312")
#查看数据：查看数据的前几条记录
data.head()
#数据集统计性描述：观察数据的数量、中值、标准值、最大值、最小值等
data.describe()
#数据集信息：查看数据集属性的数据类型、数据量、是否有空值等
data.info()复制

 ④ 区分输入及输出数据，其中输入数据为人群属性，输出数据为早餐饮品，如图 1-7 所示。

#查看各类别计数 
data[＂breakfast"]. value_counts() 
#区分特征及标签数据
x=data[[＂age", "gender", "occupation", "marital_status"]].values
y=data[＂breakfast"]. values 复制

 ⑤ 设置随机数种子，确保结果可重现，并按比例随机拆分训练样本和测试样本。

#设置随机数种子 
np. random. seed=123
#拆分样本 
(train_x, test_x, train_y, test_y) = train_test_split(x, y, train_size=0.8, test_size=0.2)复制

⑥ 使用多分类函数 multinomial 构建逻辑回归模型，并通过样本集对模型进行训练， 如图 1-8 所示。

#构建模型,solvers=newton-cg/sag/lbfgs 
model = LogisticRegression(multi_class="multinomial" , solver="newton-cg")
#通过训练样本训练模型 
model. fit(train_x, train_y)复制

 ⑦ 使用精准率 Precision、召回率 Recall、F1-score 等指标对模型进行评价，如图 1-9 所示。

#通过测试样本评估模型 
print("模型评分:",model.score(test_x, test_y))
#测试样本分类报告 
print(classification_report(test_y,model.predict(test_x)))复制

 ⑧ 利用模型预测新的数据，如图 1-10 所示。

#预测新数据 
print( model. predict([[4,0,1,1]])
print("概率:",model.predict_proba([[4,0,1,1]]).max( ))复制

       通过比较测试集中的属性“breakfast”和预测得到的结果，可以得出预测正确的概率为0.6726，说明使用逻辑回归建立的模型预测效果较好，在分类问题上可以选择使用逻辑回归算法进行建模和预测。

4.基于阿里云机器学习PAI平台实现

       ①开发前环境准备工作：确保已注册阿里云账号，并开通阿里云DataWorks及PAI平台服务。
       ②数据准备：进入阿里云PAI平台，在“Studio-可视化建模”菜单项中创建项目（注：也可以使用旧项目），并切换到DataWorks平台，打开与阿里云PAI平台同名的工作空间。通过如下SQL语句建表，并导入CSV文件数据，如图1-11所示。

--新建人群属性与早餐饮品数据表
DROP TABLE IF EXISTS ODS_BREAKFAST_INFO;
CREATE TABLE ODS BREAKFAST INFO(
age BIGINT COMMENT'年龄，
gender BIGINT COMMENT'性别'，
occupation BIGINT COMMENT'职业，
marital_status BIGINT COMMENT'婚姻状态'，
breakfast STRING COMMENT早餐种类
）COMMENT'早餐调查表'；复制

       ③创建实验：进入阿里云PAI平台对应项目，新建空白实验，如图1-12所示。
       ④设计实验流程：本实验中需要用到4个组件，分别是读数据表、拆分、逻辑回归、
预测。其中“源/目标”组中的“读数据表”组件中，设置表名为ODS_BREAKFAST_
INFO；在组件“拆分”中设置拆分比例为0.8；在组件“逻辑回归”中，设置特征列为
age、gender、occupation、marital status， 标签列为breakfast；在组件“预测”中，左侧输
入为逻辑回归模型，右侧输入为表ODS BREAKFAST INFO中数据，如图1-13所示。
       ⑤运行实验：单击“运行”按钮，等待一段时间，待运行结束后，右击组件“预
测”，查看数据。在数据列表中，字段prediction_result即为基于逻辑回归模型根据age、
gender、occupation、marital_status 预测的早餐饮品，可与真实值breakfast进行比对，如
图1-14所示。

       可以通过查看预测结果，和测试集中的属性“breakfast”进行比较，图中罗列的测试
集属性数据和预测结果有6条，其中有3条预测结果相同，说明使用逻辑回归建立的模型
预测效果较好，在分类问题上可以选择使用逻辑回归算法进行建模和预测。