Regresja logistyczna

Uczenie maszynowe z PySpark

Andrew Collier

Data Scientist, Fathom Data

Krzywa logistyczna

Krzywa logistyczna.

Krzywa logistyczna

Krzywa logistyczna z cieniowaniem powyżej progu

Krzywa logistyczna

Krzywa logistyczna z cieniowaniem poniżej progu

Krzywa logistyczna

Krzywa logistyczna przesunięta w prawo

Krzywa logistyczna

Krzywa logistyczna przesunięta w lewo

Krzywa logistyczna

Krzywa logistyczna z łagodnym przejściem

Krzywa logistyczna

Krzywa logistyczna z gwałtownym przejściem

Powrót do samochodów

Przygotowanie do modelowania:

zebranie predyktorów w jedną kolumnę (features) oraz
podział danych na zbiory treningowy i testowy.

+---+----+------+------+----+-----------+----------------------------------+-----+
|cyl|size|mass  |length|rpm |consumption|features                          |label|
+---+----+------+------+----+-----------+----------------------------------+-----+
|6  |3.0 |1451.0|4.775 |5200|9.05       |[6.0,3.0,1451.0,4.775,5200.0,9.05]|1.0  |
|4  |2.2 |1129.0|4.623 |5200|6.53       |[4.0,2.2,1129.0,4.623,5200.0,6.53]|0.0  |
|4  |2.2 |1399.0|4.547 |5600|7.84       |[4.0,2.2,1399.0,4.547,5600.0,7.84]|1.0  |
|4  |1.8 |1147.0|4.343 |6500|7.84       |[4.0,1.8,1147.0,4.343,6500.0,7.84]|0.0  |
|4  |1.6 |1111.0|4.216 |5750|9.05       |[4.0,1.6,1111.0,4.216,5750.0,9.05]|0.0  |
+---+----+------+------+----+-----------+----------------------------------+-----+

Budowanie modelu regresji logistycznej

from pyspark.ml.classification import LogisticRegression

Utworzenie klasyfikatora regresji logistycznej.

logistic = LogisticRegression()

Nauka na danych treningowych.

logistic = logistic.fit(cars_train)

Predykcje

prediction = logistic.transform(cars_test)

+-----+----------+---------------------------------------+
|label|prediction|probability                            |
+-----+----------+---------------------------------------+
|0.0  |0.0       |[0.8683802216422138,0.1316197783577862]|
|0.0  |1.0       |[0.1343792056399585,0.8656207943600416]|
|0.0  |0.0       |[0.9773546766387631,0.0226453233612368]|
|1.0  |1.0       |[0.0170508265586195,0.9829491734413806]|
|1.0  |0.0       |[0.6122241729292978,0.3877758270707023]|
+-----+----------+---------------------------------------+

Precyzja i czułość

Jak dobrze model działa na danych testowych?

Sprawdzenie macierzy pomyłek.

+-----+----------+-----+
|label|prediction|count|
+-----+----------+-----+
|  1.0|       1.0|    8| - TP (true positive)
|  0.0|       1.0|    4| - FP (false positive)
|  1.0|       0.0|    2| - FN (false negative)
|  0.0|       0.0|   10| - TN (true negative)
+-----+----------+-----+

# Precision (positive)
TP / (TP + FP)

0.6666666666666666

# Recall (positive)
TP / (TP + FN)

0.8

Metryki ważone

from pyspark.ml.evaluation import MulticlassClassificationEvaluator

evaluator = MulticlassClassificationEvaluator()

evaluator.evaluate(prediction, {evaluator.metricName: 'weightedPrecision'})

0.7638888888888888

Inne metryki:

weightedRecall
accuracy
f1

ROC i AUC

Krzywa ROC

ROC = „Receiver Operating Characteristic"

TP vs. FP
próg = 0 (prawy górny róg)
próg = 1 (lewy dolny róg)

AUC = „Area under the curve"

idealnie AUC = 1

Czas na regresję logistyczną!

Uczenie maszynowe z PySpark