逻辑回归中的错误图

Question

我正在尝试实现逻辑回归，但我收到了错误的绘图。

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn import cross_validation
from sklearn.linear_model import LogisticRegression
sns.set()

x = (np.random.randint(2000, size=400)).reshape((400,1))
y = (np.random.randint(2, size=400)).reshape((400,1)).ravel()

x_train, x_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size=0.4, random_state=0)

logistic_regr = LogisticRegression()
logistic_regr.fit(x_train, y_train)

fig, ax = plt.subplots()

ax.set(xlabel='x', ylabel='y')
ax.plot(x_test, logistic_regr.predict_proba(x_test), label='Logistic regr')
#ax.plot(x_test,logistic_regr.predict(x_test), label='Logistic regr')
ax.legend()

我收到以下情节：

如果我使用：

ax.plot(x_test,logistic_regr.predict(x_test), label='Logistic regr')

我收到了：

Answer 1

好吧，您不会根据您的特定数据选择获得 sigmoid 函数图。您的随机输入使算法能够在类之间找到一些分离，这些分离将预测接近 0.5 的概率，其变化取决于您输入的随机性。您可以通过使用均匀分割的值范围来获得 sigmoid，其中一半属于第一类，另一半属于第二类。这样，您的 predict_proba() 函数将输出从 0 到 1 的特定类的概率范围（我假设您的其余代码将保持不变）：

x = np.linspace(-2, 2, 400).reshape((400,1))
y = np.vstack((np.zeros(200), np.ones(200))).reshape((400,1))

然后生成您的图表：

ax.plot(x_test, logistic_regr.predict_proba(x_test)[:,1], '.', label='Logistic regr')    

您将获得一个描述预测其中一个类的概率的 S 形图：