数据挖掘实验之用逻辑回归分析uci数据banknote_authentication，附python代码

逻辑回归：（用来做分类的，运用了线性回归的方法）：

基础知识：
首先是用一个sigmoid函数，它是一个可以无限次数求导而且不归零的一个函数，正好在0和1中间0.5的位置有一个分界点，很好的表示了概率，概率大于0.5的取1，概率小于0.5的取0。

然后是我们平时用的二分类，比如我们用身高和鞋码做比喻，x轴是鞋码大小，y轴是身高，根据全班的身高和鞋码进行画图，得到下图，我们现在需要去判断一学生（已知身高鞋码）的男女，用下图中的直线进行分类，在线左边的分为女生，线右边的分为男生，这样的线可以有很多，怎么去找到哪根线是最合适的呢，这时候就引出了损失函数，离这根线的点的距离之和最小即可求出这根线的表达式。推广到高维。

具体操作：
uci data_banknote_authentication 数据集的下载
链接: http://archive.ics.uci.edu/ml/datasets/banknote+authentication


然后选择下载地址即可

如果通过网站下载不了的话（我们班有少数同学官网下载不了）
百度云盘链接：
https://pan.baidu.com/s/1uU9pgax2x6VfmEDr4ZlniQ
提取码：7d8c

用sigmoid函数来作为逻辑回归估计函数：

代价函数：
用梯度下降法去逼近最低值，以及求出所需的参数。
偏导函数：

theta迭代函数：

代码：

# -*- coding: utf-8 -*-
import math
import numpy
import random
import pandas as pd
data= pd.read_csv(\'C:/Users/95870/Desktop/banknote/data_banknote_authentication.txt\',header=None)
X = data[[0,1,2,3]]  # 前四个为特征值
Y = data[[4]]        #最后一个作为判别值
size=1372
#求theta
def sigmoid(x,theta):
    z=0
    for i in range (4):
        z=z+x[i]*theta[i]
    sum=1/(1.0+math.exp(-z))
    return sum
    
def piandao(X,Y,theta,size,j):       #j是维度（每次只能求某个维度的偏导）
    sum=0.0
    for i in range(size):
        sum=sum+(sigmoid(X[i],theta)-Y[i])*X[i][j]
    return (sum/size)

def sunshi(X,Y,theta,size):
    sum=0.0
    for i in range(size):
        h=sigmoid(X[i],theta)
        sum=sum+(h-Y[i])*(h-Y[i])
    return (sum/2*size)
            
def tidu(X,Y,theta,size,a,count):
    for i in range(count):
        print(i)
        t=[]
        for j in range(4):
            h= theta[j] - a * piandao(X,Y,theta,size,j)
            t.append(h)
        for j in range(4):
            theta[j]=t[j]
    print(theta)
    
if __name__ == \'__main__\':
    theta = numpy.zeros((4))   #这里的4代表的是个数，而不是从0开始的下标数
    #print(sigmoid(X[0],theta,con))
    count=30000
    a=0.002
    tidu(X.values.tolist(),Y[4].tolist(),theta,size,a,count)
    
    
    
X=X.values.tolist()
Y=Y.values.tolist()
b=0
for i in range(1000): 
    z=0
    j=random.randint(0,1371)
    for k in range (4):
        z=z+X[j][k]*theta[k]
    sum=1/(1.0+math.exp(-z))
    if sum>0.5 :
        if Y[j][0]==1:
            b=b+1
    else :
        if Y[j][0]==0:
            b=b+1
print(b/1000) 

输出的直接是贴合程度，或则说是预测准确率，大概在0.95的样子，每次执行结果不一样的原因是用random随机选取的数据进行测试的。
输出结果如下：