第1关：逻辑回归如何实现分类
任务描述
本关任务：编写一个使用逻辑回归实现分类的程序
相关知识
为了完成本关任务，你需要掌握：1.逻辑回归基本原理。2.适用sklearn进行逻辑回归分类。
逻辑回归算法
一般来说逻辑回归用于处理二元分类问题,即 y⊂0,1
当样本中有多个类别时 y⊂0,1,2,...,n
Logistic Regression和Linear Regression的原理是相似的，可以简单的描述为这样的过程：
逻辑回归模型
预测函数 Logistic Regression虽然名字里带“回归”，但是它实际上是一种分类方法，用于两分类问题（即输出只有两种）。根据上述步骤的说明，需要先找到一个预测函数（h），显然，该函数的输出必须是两个值（分别代表两个类别），所以利用了Logistic函数（或称为Sigmoid函数），函数形式为
hθ(x)函数的值有特殊的含义，他表示结果取1的概率，听此对于输入x分类结果类别为1和类别0的概率分布为
代价函数
这里的J(θ)是基于最大似然估计推导得到的
取似然函数为
对数似然函数为
最大似然估计就是要求使J(θ)取最大值时的θ,其实这里可以使用梯度上升法求解，求得的θ就是要求你的最佳参数。
因为乘了个负的系数m1，所以J(θ)取最小值时的θ为要求的最佳参数。
梯度下降
求J(θ)的最小值可以使用梯度下降法，根据梯度下降法可得θ的更新过程：
θj:=θj−α∗m1∗i=1∑m(h(x)−y)xj(i) 其中α为学习率
逻辑回归在形式上更新参数与线性回归相同，实则不同。 在线性回归中，h(x)是一个线性函数，而在逻辑回归中，h(x)是一个sigmoid函数
sklearn库的使用
编程要求
根据提示，在右侧编辑器补充代码，完善代码，
测试说明
平台会对你编写的代码进行测试：
预期输出： 0.9
第1关任务——代码题
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
import numpy as np
np.random.seed(10)
if __name__ == '__main__':
# ********** Begin ********** #
# 使用sklearn中的make_classification函数构建二分类的数据，样本数量为100
X, y = make_classification(n_samples=100, n_features=20, n_informative=2, n_redundant=10, random_state=42, flip_y=0.1)
# 将数据集拆分成测试集与训练集，训练集占所有数据的80%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 进行模型训练并评估模型
model = LogisticRegression(max_iter=1000, random_state=42)
model.fit(X_train, y_train)
# 预测测试集结果
y_pred = model.predict(X_test)
# 评估模型的准确率
accuracy = accuracy_score(y_test, y_pred)
print(round(accuracy, 1))
# ********** End ********** #第2关：超参数
任务描述
本关任务：编写一个使用网格搜索进行最佳参数寻找的程序
相关知识
为了完成本关任务，你需要掌握：1.模型欠拟合和过拟合的解决方案。2.使用网格搜索进行寻找最佳超参数
模型参数与超参数
模型参数 简单来说，模型参数就是模型内部可以通过计算的到的，例如线性回归中的的系数
通常，我们要获取最好的模型参数是由一些优化算法来获取的
模型超参数 而模型超参数是模型外部就已经确定了值，在模型内部无法进行修改的，例如线性回归中梯度下降中使用的学习速率
对于指定的问题，一般我们是无法知道最好的模型超参数的，只能由平常设置参数的经验或者反复去实验寻找超参数
过拟合和欠拟合
欠拟合 对于给定的数据集，欠拟合的成因大多是模型不够复杂、拟合函数能力不够，为此，可以增加迭代次数继续训练、尝试更换其他算法、增加模型的参数数量和复杂程度，或者采用集成方法
过拟合 过拟合成因是给定的数据集相对过于简单，使得模型在拟合函数时过分的考虑了噪声等不必要的数据间的关联。或者说相对于给定数据集，模型过于复杂、拟合能力过强
解决方案：
提前停止训练：
正则化：
上述解决模型过拟合和欠拟合问题的方式中，涉及到一些超参数 在sklearn中，可以使用网格搜索的方式寻找最佳的参数
逻辑回归网格搜索
cs:cs中的每个值都描述了正则强度的倒数，较小的值指定更强的正则化 fit_intercept:指定是否将常量添加到决策函数 penalty：使用的正则化规范，默认值为"l2" tol:停止训练的标准 max_iter:优化算法最大迭代次数
编程要求
根据提示，在右侧编辑器补充代码，完善代码，使得代码能够通过测试
测试说明
平台会对你编写的代码进行测试：
预期输出： 测试通过
第2关任务——代码题
from sklearn.linear_model import LogisticRegressionCV
from sklearn.model_selection import GridSearchCV,train_test_split
from sklearn.datasets import load_iris
def model_train(x_train, x_test, y_train, y_test):
# ********** Begin ********** #
# 设置param进行网格搜索参数设置
param_dict = {'Cs': [0.1, 1, 10], 'penalty': ['l1', 'l2']}
# {参数名1：[参数值1， 参数值2]，...}
# 参数说明：
# logistic 逻辑回归分类器
logistic = LogisticRegressionCV(cv=5)
# param_dict 超参字典
# 使用网格搜索进行模型训练找出最佳参数
grid_search = GridSearchCV(logistic, param_grid=param_dict, cv=5)
grid_search.fit(x_train, y_train)
# 计算模型在测试集上的准确率
score = grid_search.score(x_test, y_test)
# ********* End ********** #
return score
if __name__ == '__main__':
iris = load_iris()
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)
score = model_train(x_train, x_test, y_train, y_test)
if score >= 0.8:
print("测试通过")
else:
print("测试失败")
