Makine Öğrenmesi - Sınıflandırma Algoritmaları
Logistic Regression
Logistic Regression (aka logit, MaxEnt), hedef/tahmin değişkeninin kategorik olduğu bir sınıflandırma algoritmasıdır. İsmine rağmen bir regresyon algroritması değil bir sınıflandırma algoritmasıdır. Doğrusal bir tahminleme yöntemidir. Regresyon derslerinde ele alınan Doğrusal regresyon(Linear Regression) ile lojistik regresyon arasındaki temel fark, lojistik regresyonun sonuç aralığının 0 ile 1 arasında sınırlandırılmasıdır. 0.5'den küçük olan olasılıklar 0, 0.5 ve üzeri olan olasıklar ise 1 değerini alır. Ayrıca lineer regresyonun aksine lojistik regresyon girdiler ve çıktı değişkenleri arasında lineer bir ilişki gerektirmez.
Kullanım için "LogisticRegression" kütüphanesinin içe aktarılması gerekmektedir.
from sklearn.linear_model import LogisticRegression
Söz dizimi : LogisticRegression(penalty='l2', *, dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver='lbfgs', max_iter=100, multi_class='auto', verbose=0, warm_start=False, n_jobs=None, l1_ratio=None)
- penalty, eklenecek cezanın türünü temsil eder. 4 farklı değer alır: "l1", "l2", "elasticnet", "none". Varsayılan olarak l2 ceza terimi uygulanmıştır.
- l1, L1 ceza terimini temsil eder.
- l2, L2 ceza terimini temsil eder.
- elasticnet, hem L1 hem de L2 ceza terimin temsil eder.
- none, ceza terimi uygulanmaz.
Örnek-1: Bazı fiziksel özelliklere ve kan değerlerine bakılarak kişilerin kalp hastası olup olmayacağını tahmin edelim. Veri seti olarak "heart.csv" kullanılacaktır.
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
warnings.filterwarnings("ignore")
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score
from sklearn.metrics import confusion_matrix,classification_report
from sklearn.linear_model import LogisticRegression
Keşifsel Veri Analizi EDA
#Veri seti okunur
df=pd.read_csv("heart.csv")
df.head()
Çıktı:
# Veri seti hakkında bilgi
df.info()
Çıktı:
<class 'pandas.core.frame.DataFrame'> RangeIndex: 303 entries, 0 to 302 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 age 303 non-null int64 1 sex 303 non-null int64 2 cp 303 non-null int64 3 trestbps 303 non-null int64 4 chol 303 non-null int64 5 fbs 303 non-null int64 6 restecg 303 non-null int64 7 thalach 303 non-null int64 8 exang 303 non-null int64 9 oldpeak 303 non-null float64 10 slope 303 non-null int64 11 ca 303 non-null int64 12 thal 303 non-null int64 13 target 303 non-null int64 dtypes: float64(1), int64(13) memory usage: 33.3 KB
#target sütunu eleman sayıları
df.target.value_counts()
Çıktı:
1 165 0 138 Name: target, dtype: int64
#Veri seti açıklamaları
df.describe()
Çıktı:
#Sütunların birbirleri ile korelasyonu
df.corr()
Çıktı:
#Korelasyon görüntülenmesi
plt.figure(figsize=(16,6))
sns.heatmap(df.corr(),annot=True)
Çıktı:
Model Oluşturma İşlemleri
#x(bağımsız değişkenler) ve y(hedef/tahmin değişkeni) ataması yapılır.
x,y=df.drop("target",axis=1),df[["target"]]
#train ve test verileri ayrılır
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=13)
x_train.shape,x_test.shape,y_train.shape,y_test.shape
Çıktı:
((242, 13), (61, 13), (242, 1), (61, 1))
#LogisticRegression ataması yapılır
Log=LogisticRegression()
#Model eğitme işlemi
Log.fit(x_train,y_train)
#x_test verilerini tahminleme işlemi
predict_Log=Log.predict(x_test)
confusion_matrix(y_test,predict_Log)
Çıktı:
array([[22, 4], [ 6, 29]], dtype=int64)
#confusion_matrix değerlerinin grafikselleştirmesi
sns.heatmap(confusion_matrix(y_test,predict_Log),annot=True,linewidths=2)
Çıktı:
#Sınıflandırma raporu
print(classification_report(y_test,predict_Log))
Çıktı:
precision recall f1-score support 0 0.79 0.85 0.81 26 1 0.88 0.83 0.85 35 accuracy 0.84 61 macro avg 0.83 0.84 0.83 61 weighted avg 0.84 0.84 0.84 61
Sınıflandırma raporunda da görüldüğü gibi LogisticRegression algoritması ile girilen değerlere göre target sütununda bulunan hastalık durumunu doğru tahmin etme yüzdesi: accuracy değeri göz önüne alınırsa %84 olarak buldu.
Model Tahminleme İşlemleri
LogisticRegression algoritması ile eğitmiş olduğumuz modele dışardan bilgiler girerek ilgili kişinin kalp hastası olup olmayacağı bilgisine bakalım.
#1. Hasta bilgileri
#Sırasıyla:'age', 'sex', 'cp', 'trestbps', 'chol', 'fbs', 'restecg', 'thalach', 'exang', 'oldpeak', 'slope', 'ca', 'thal' değerleri girilir.
patientInformation=[[45.0, 1.0, 1.0, 170.0, 270.0, 1.0, 0.0, 150.0, 1.0, 1.6, 1.0, 0.0, 3.0]]
#Model tahminleme işlemi
Log.predict(patientInformation)
Çıktı:
array([0], dtype=int64)
Girilen kişinin kalp hastası olma durumu 0 olarak sonuçlandı. Yani kişi kalp hastası değildir.
#2. hasta bilgileri
#Sırasıyla:'age', 'sex', 'cp', 'trestbps', 'chol', 'fbs', 'restecg', 'thalach', 'exang', 'oldpeak', 'slope', 'ca', 'thal' değerleri girilir.
patientInformation=[[52.0, 0.0, 1.0, 105.0, 198.0, 0.0, 1.0, 168.0, 0.0, 0.0, 2.0, 1.0, 2.0]]
#Model tahminleme işlemi
Log.predict(patientInformation)
Çıktı:
array([1], dtype=int64)
Girilen kişinin kalp hastası olma durumu 1 olarak sonuçlandı. Yani kişi kalp hastası olabilir.