首页
/ 逻辑回归模型实践指南:基于GenTang/intro_ds项目的收入预测分析

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

  1. 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。

  2. 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。

  3. 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
  4. 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

  1. 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。

  2. 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。

  3. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (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开源商城ShopXO开源商城
🔥🔥🔥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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57
CangjieCommunityCangjieCommunity
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
Cangjie-ExamplesCangjie-Examples
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