逻辑回归模型实践指南:基于GenTang/intro_ds项目的收入预测分析
2025-06-29 12:14:13作者:魏献源Searcher
引言
逻辑回归是机器学习中最基础也是最常用的分类算法之一。本文将通过GenTang/intro_ds项目中的实际案例,详细介绍如何使用Python实现逻辑回归模型,并分析其统计性质。我们将以收入预测为应用场景,展示从数据探索到模型评估的完整流程。
数据准备与探索
数据加载与预处理
首先,我们需要加载并预处理数据。项目中使用的数据集包含以下关键特征:
- 年龄(age)
- 教育年限(education_num)
- 资本收益(capital_gain)
- 资本损失(capital_loss)
- 每周工作时间(hours_per_week)
- 收入标签(label,分为">50K"和"<=50K"两类)
def readData(path):
data = pd.read_csv(path)
cols = ["age", "education_num", "capital_gain", "capital_loss", "hours_per_week", "label"]
return data[cols]
数据可视化
在建模前,我们需要对数据进行初步探索。通过直方图可以直观了解各变量的分布情况:
def visualData(data):
data[["age", "hours_per_week", "education_num", "label_code"]].hist(
rwidth=0.9, grid=False, figsize=(8, 8), alpha=0.6, color="grey")
plt.show()
交叉分析
通过交叉报表分析变量间的关系:
def analyseData(data):
# 计算education_num与label的交叉报表
cross1 = pd.crosstab(pd.qcut(data["education_num"], [0, .25, .5, .75, 1]), data["label"])
# 计算hours_per_week与label的交叉报表(归一化)
cross2 = pd.crosstab(pd.cut(data["hours_per_week"], 5), data["label"])
cross2_norm = cross2.div(cross2.sum(1).astype(float), axis=0)
逻辑回归模型构建
模型训练
使用statsmodels库构建逻辑回归模型:
def trainModel(data):
formula = "label_code ~ age + education_num + capital_gain + capital_loss + hours_per_week"
model = sm.Logit.from_formula(formula, data=data)
re = model.fit()
return re
模型统计性质分析
训练完成后,我们可以分析模型的统计性质:
def modelSummary(re):
# 输出整体统计结果
print(re.summary())
# 检验特定系数是否显著
print(re.f_test("education_num=0"))
print(re.f_test("education_num=0.32, hours_per_week=0.04"))
模型解释
理解模型结果的关键指标:
def interpretModel(re):
# 计算优势比(Odds Ratio)
conf = re.conf_int()
conf['OR'] = re.params
print(np.exp(conf))
# 计算边际效应
print(re.get_margeff(at="overall").summary())
模型预测与评估
预测实现
def makePrediction(re, testSet, alpha=0.5):
testSet["prob"] = re.predict(testSet)
testSet["pred"] = testSet.apply(lambda x: 1 if x["prob"] > alpha else 0, axis=1)
return testSet
性能评估
使用查准率、查全率和F1分数评估模型:
def evaluation(re):
bins = np.array([0, 0.5, 1])
label = re["label_code"]
pred = re["pred"]
tn, fp, fn, tp = np.histogram2d(label, pred, bins=bins)[0].flatten()
precision = tp / (tp + fp)
recall = tp / (tp + fn)
f1 = 2 * precision * recall / (precision + recall)
完整流程整合
将所有步骤整合为一个完整的分析流程:
def logitRegression(data):
data = transLabel(data)
visualData(data)
analyseData(data)
trainSet, testSet = train_test_split(data, test_size=0.2, random_state=2310)
re = trainModel(trainSet)
modelSummary(re)
interpretModel(re)
re = makePrediction(re, testSet)
evaluation(re)
关键知识点总结
-
优势比(Odds Ratio):表示自变量每增加一个单位,事件发生比的变化倍数。大于1表示正相关,小于1表示负相关。
-
边际效应:表示自变量变化一个单位对预测概率的直接影响,比回归系数更直观。
-
模型评估指标:
- 查准率(Precision):预测为正的样本中实际为正的比例
- 查全率(Recall):实际为正的样本中被正确预测的比例
- F1分数:查准率和查全率的调和平均数
-
统计检验:通过F检验可以验证特定系数是否显著,或者多个系数是否同时满足特定假设。
实际应用建议
-
在实际应用中,可以尝试调整分类阈值(alpha参数),在查准率和查全率之间寻找平衡。
-
对于类别不平衡问题,可以考虑使用加权逻辑回归或采样技术。
-
逻辑回归模型的可解释性强,适合需要理解变量影响的业务场景。
通过本文的完整示例,读者可以掌握逻辑回归从数据探索到模型评估的全过程,为实际业务问题提供数据驱动的解决方案。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K