【SPA大赛】LR模型的简单使用教程

1、 什么是 LR 模型

LR ( Logistic Regression ) 是在线性回归的基础上，套用了一个逻辑函数。 而回归是一种及其简单的模型，我们一个普通的二元函数 y=f(x)，就属于回归的一种。它虽然简单，但是它有一个极其致命的缺点：线性回归的鲁棒性很差。这使回归模型在机器学习领域上表现很一般。但是套用了逻辑函数之后，逻辑回归模型在克服了线性回归鲁棒性差这个缺点，使得它在机器学习上面有了一席之地。像腾讯算法大赛这类二分类问题，就可以用逻辑回归来实现。

2、 LR 模型的代码实现

首先导入必要的工具包：

[1496983807308_8307_1496983813234.png]

接着用pandas工具包里面的read_csv（）函数把训练集和测试集导入：

[1496983850368_5727_1496983856058.png]

分离出特征值和label，在下面的代码中，column_name是特征值名字的列表，如‘age’,’ positionID’,…..：

[1496983902747_1250_1496983905788.png]

从sklearn.linear_model里导入LogisticRegression。

在Python中提供了LR模型，我们直接引入相应的包就可以使用LR模型：

[1496983976947_2596_1496983979903.png]

引入相应的模型后，我们就可以调用LogisticRegression中的fit函数用来训练模型参数：

[1496983998488_1421_1496984001426.png]

模型训练好了之后，接下来就是进行结果的预测了。

[1496984018708_508_1496984021657.png]

其中result是predict_proba产生的一个预测概率，由此我们得到了腾讯算法大赛要求的概率将其输出既可得到所要的zip文件，具体实现在官方的baseline中有相应的代码实现，在此不再赘述，附上官方baseline的链接，有需要的同学可以参考：腾讯社交广告算法大赛 Baseline

3、 LR模型对维度过大的特征值的处理

为了使得预测结果不会被某些维度过大的特征值而主导。Python中提供了标准化数据相应的函数，保证每个维度的特征数据方差为1，均值为0。由此让我们的LR模型对此次算法大赛中一些离散度较高的特征有了应对之策，例如下图的positionID,数据大小相差较大，会导致结果受到影响，使用标准化处理可以避免这个问题，使得我们可以得到一个更好的成绩。

[1496984089226_9136_1496984092505.png]

以上即为LR模型结合本次腾讯算法大赛的简单使用教程，如有错误，欢迎大家指出！