Логістична регресія

Machine Learning з PySpark

Andrew Collier

Data Scientist, Fathom Data

Логістична крива

Логістична крива.

Machine Learning з PySpark

Логістична крива

Логістична крива з заштрихованою зоною вище порога

Machine Learning з PySpark

Логістична крива

Логістична крива з заштрихованою зоною нижче порога

Machine Learning з PySpark

Логістична крива

Логістична крива, зміщена праворуч

Machine Learning з PySpark

Логістична крива

Логістична крива, зміщена ліворуч

Machine Learning з PySpark

Логістична крива

Логістична крива з плавним переходом

Machine Learning з PySpark

Логістична крива

Логістична крива з різким переходом

Machine Learning з PySpark

Авто: повертаємось

Підготовка до моделювання:

  • зберіть предиктори в одну колонку (features) і
  • розбийте дані на тренувальну й тестову вибірки.
+---+----+------+------+----+-----------+----------------------------------+-----+
|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  |
+---+----+------+------+----+-----------+----------------------------------+-----+
Machine Learning з PySpark

Побудова моделі Logistic Regression

from pyspark.ml.classification import LogisticRegression

Створіть класифікатор Logistic Regression.

logistic = LogisticRegression()

Навчіть на тренувальних даних.

logistic = logistic.fit(cars_train)
Machine Learning з PySpark

Прогнози

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]|
+-----+----------+---------------------------------------+
Machine Learning з PySpark

Точність і повнота

Наскільки добре модель працює на тестових даних?

Зверніться до матриці неточностей.

+-----+----------+-----+
|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)
+-----+----------+-----+

# Точність (для позитивного класу)
TP / (TP + FP)

0.6666666666666666

# Повнота (для позитивного класу)
TP / (TP + FN)

0.8
Machine Learning з PySpark

Зважені метрики

from pyspark.ml.evaluation import MulticlassClassificationEvaluator

evaluator = MulticlassClassificationEvaluator()

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

0.7638888888888888

Інші метрики:

  • weightedRecall
  • accuracy
  • f1
Machine Learning з PySpark

ROC і AUC

Крива ROC

ROC = "Receiver Operating Characteristic"

  • TP проти FP
  • threshold = 0 (угорі праворуч)
  • threshold = 1 (унизу ліворуч)

AUC = "Area under the curve"

  • ідеально AUC = 1
Machine Learning з PySpark

Проведімо Logistic Regression!

Machine Learning з PySpark

Preparing Video For Download...