本文代码及数据集来自《Python大数据分析与机器学习商业案例实战》
逻辑回归模型本质就是将线性回归模型通过Sigmoid函数进行了一个非线性转换，得到一个介于0～1之间的概率值。因此，逻辑回归模型的本质是预测概率，而不是直接预测具体类别（如属于0还是1）。
# 1.读取数据
import pandas as pd
df = pd.read_excel('股票客户流失.xlsx')
df.head()
运行结果：
# 2.划分特征变量和目标变量
X = df.drop(columns='是否流失')
y = df['是否流失'] # 3.划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)
#random_state参数赋值为1，该数字没有特殊含义，可以换成其他数字，它相当于一个种子参数，使得每次划分数据的结果一致。# 4.模型搭建
from sklearn.linear_model import LogisticRegression
model = LogisticRegression() # 设定L2正则化和C参数：penalty='l2',C=10
model.fit(X_train, y_train)# 5.模型使用1 - 预测数据结果
y_pred = model.predict(X_test)
print(y_pred[0:100])
正则化的目的是帮助我们减少过拟合现象，它的本质的约束要优化的参数。
L1正则化：根据权重的绝对值的总和来惩罚权重。在依赖稀疏特征的模型中，L1正则化有助于使不相关或几乎不相关的特征权重正好等于0，从而将这些特征从模型中移除。
L2正则化：根据权重的平方和来惩罚权重。L2正则化有助于使离群值的权重接近于0但又不等于0.在线性模型中，L2正则化比较常用。
C值表示正则化的力度。C值越小正则化力度就越大。
运行结果：
a = pd.DataFrame()
a['预测值'] = list(y_pred)
a['实际值'] = list(y_test)
print(a.head())
运行结果：
# 预测准确度方法一
from sklearn.metrics import accuracy_score
score = accuracy_score(y_pred, y_test)
print(score)
# 预测准确度方法二
model.score(X_test, y_test)
结果均为0.7977288857345636。
# 6.模型使用2 - 预测概率
y_pred_proba = model.predict_proba(X_test)
print(y_pred_proba[0:5])# 数组左列是不流失（分类为0）概率，右列是流失（分类为1）概率
a = pd.DataFrame(y_pred_proba, columns=['不流失概率', '流失概率'])
print(a.head())
运行结果：
逻辑回归模型在本质上是将线性回归模型通过Sigmoid函数进行非线性转换。本案例共有5个特征变量，所以预测y＝1（流失）的概率P的公式如下。
通过如下代码可以获取上述公式中的系数和截距项，其中model为之前训练的模型名称，通过coef_属性可以获取特征变量前的系数ki，通过intercept_属性可以获取截距项k0。
# 只查看流失（分类为1）概率：“:”表示二维数组的所有行，“1”表示二维数组的第2列
print(y_pred_proba[:,1])# 7.查看各个特征变量的系数
print(model.coef_)
print(model.intercept_)
运行结果：
# 批量查看测试集数据的预测概率（前五条）
import numpy as np
for i in range(5):print(1 / (1 + np.exp(-(np.dot(X_test.iloc[i], model.coef_.T) + model.intercept_))))
运行结果：
