
特征缩放的效果:从词袋到
tf-idf
|
57
频词都映射到这个特征,包括训练集中的低频词。这种方法在
3.2.2
节的“罕见词”部分
讨论过。
4.2.3
使用逻辑回归进行分类
逻辑回归是一种简单的线性分类器。正因为其简单,所以非常适合充当首次试验的分类
器。它对输入特征进行加权组合,然后传递给一个
S
形函数
,这个函数可以平滑地将任何
实数映射为
0
和
1
之间的一个值,即将实数输入
x
转换为
0
和
1
之间的一个值。它有一组
参数
w
,表示中点(
0.5
)附近的增长斜率。截距项
b
表示函数输出跨过中点时的输入值。
如果
S
形函数的输出大于
0.5
,逻辑回归分类器就预测一个正分类,否则就预测一个负分
类。通过改变
w
和
b
,我们可以控制在哪里发生决策变化,以及决策对在该点附近发生的
输入变化做出反应的速度。
图
4-3
演示了
S
形函数。
S形函数
图 4-3:S 形函数示意图
下面我们在不同的特征集合上建立几个简单逻辑回归分类器,并看看效果(见例
4-4
)。
例
4-4
使用默认参数训练逻辑回归分类器
>>> def simple_logistic_classify(X_tr, y_tr, X_test, y_test, description):
... ### 辅助函数,用来训练逻辑回归分类器,并在测试数据上进行评分。
... m = LogisticRegression().fit(X_tr, y_tr)
... s = m.score(X_test, y_test)
... print ('Test score with', description, ...