Python垃圾郵件的邏輯回歸分類示例詳解

更新時間：2021年11月29日 09:19:03 作者：K_C_of

這篇文章主要給大家介紹了關于Python垃圾郵件的邏輯回歸分類的相關資料,作為初學者實踐文本分類是一個不錯的開始,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下

?加載垃圾郵件數(shù)據(jù)集spambase.csv(數(shù)據(jù)集基本信息：樣本數(shù): 4601,特征數(shù)量: 57, 類別：

1 為垃圾郵件，0 為非垃圾郵件)，閱讀并理解數(shù)據(jù)。

按以下要求處理數(shù)據(jù)集

（1）分離出僅含特征列的部分作為 X 和僅含目標列的部分作為 Y。

（2）將數(shù)據(jù)集拆分成訓練集和測試集（70%和 30%）。

建立邏輯回歸模型

分別用 LogisticRegression 建模。

結果比對

（1）輸出測試集前 5 個樣本的預測結果。

（2）計算模型在測試集上的分類準確率（=正確分類樣本數(shù)/測試集總樣本數(shù)）

（3）從測試集中找出模型不能正確預測的樣本。

（4）對參數(shù) penalty 分別取‘l1', ‘l2', ‘elasticnet', ‘none'，對比它們在測試集上的預測性能（計算 score）。

拆分特征值和目標數(shù)據(jù)前面已經可知，預測和模型得分結果也是直接使用模型的方法，下面主要是要測試準確率和找出不能正確預測的樣本，以及不同的懲罰下的模型得分，主要運用到Numpy模塊和列表list的函數(shù)，代碼如下：

y_train_pred = model.predict(x_train)


# In[26]:


train_accu = np.equal(y_train,y_train_pred)
print(y_train.shape,y_train_pred.shape)


# In[27]:


#計算模型在測試集上的分類準確率（=正確分類樣本數(shù)/測試集總樣本數(shù)）
accuracy = list(train_accu).count(True)/len(list(y_train))
print("準確率為"+"%f"%float(accuracy*100)+"%")


# In[28]:


#從測試集中找出模型不能正確預測的樣本。
test_accu = list(np.equal(y_pred,y_test))
i = 0
len_test = len(test_accu)
False_index = []
[False_index.append(i) for i in range(0,len_test) if test_accu[i]==False]
print(x_test[False_index])


# In[29]:


#對參數(shù) penalty 分別取‘l1', ‘l2', ‘elasticnet', ‘none'，對比它們在測試集上的預測性能（計算 score）。
model2 = LogisticRegression(multi_class='ovr',penalty='l1',max_iter=10000,solver='saga').fit(x_train, y_train)
print("penalty='l1'"+'的得分：', model2.score(x_test, y_test))


# In[33]:


#對參數(shù) penalty 分別取‘l1', ‘l2', ‘elasticnet', ‘none'，對比它們在測試集上的預測性能（計算 score）。
model2 = LogisticRegression(multi_class='ovr',penalty='l2',max_iter=10000).fit(x_train, y_train)
print("penalty='l2'"+'的得分：', model2.score(x_test, y_test))


# In[31]:


model4 = LogisticRegression(multi_class='ovr',penalty='elasticnet',max_iter=10000,solver='saga',l1_ratio=0).fit(x_train, y_train)
#模型建立產生一些參數(shù)的問題一般都是sklearn的版本問題，要是忽略，就升級更新一下版本就好了solver指定penalty參數(shù)的范圍
print("penalty='elasticnet'"+'的得分：', model4.score(x_test, y_test))


# In[32]:


model5 = LogisticRegression(multi_class='ovr',penalty='none',max_iter=10000,solver='lbfgs').fit(x_train, y_train)
print("penalty='none'"+'的得分：', model5.score(x_test, y_test))

總結

到此這篇關于Python垃圾郵件的邏輯回歸分類的文章就介紹到這了,更多相關Python垃圾郵件分類內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: