La regresión logística es una técnica de aprendizaje supervisado para clasificación. Es muy usada en muchas industrias debido a su escalabilidad y explicabilidad.

En este artículo vamos a ver cómo entrenar y usar un modelo de regresión logística. Si quieres repasar la teoría de esta técnica de machine learning, puedes consultar este artículo.

Instrucciones rápidas

Tiempo necesario: 5 minutos.

¿Cómo usar Regresión Logística en Python con scikit-learn?

  1. Importa la librería numérica NumPy

    import numpy as np

  2. Prepara los datos de entrenamiento

    X serán los datos de entrada, y los de salida en este ejemplo

  3. Importa el módulo LogisticRegression de la librería scikit-learn

    from sklearn.linear_model import LogisticRegression

  4. Crea una instancia de la Regresión Logística

    regresion_logistica = LogisticRegression()

  5. Entrena la regresión logística con los datos de entrenamiento

    regresion_logistica.fit(X,y)

  6. Usa el modelo entrenado para obtener las predicciones con datos nuevos

    prediccion = regresion_logistica.predict(X_nuevo)

  7. Opcionalmente, obtén las probabilidades de la predicción

    probabilidades_prediccion = regresion_logistica.predict_proba(X_nuevo)

Ejemplo de Regresión Logística en Python

Datos

Vamos a suponer que queremos predecir cuál es la probabilidad que tiene un estudiante de aprobar un examen en función de las horas que ha estudiado. Date cuenta que para 1.75 horas de estudio, hay un estudiante que aprueba y el otro que no.

Horas0.500.751.001.251.501.751.752.002.252.50
Aprueba0000001010
Horas2.753.003.253.504.004.254.504.755.005.50
Aprueba1010111111

Podemos escribir el siguiente código python para representar estos datos:

# Paso 1: importamos la librería numérica NumPy
import numpy as np

# Paso 2: preparamos los datos
X = np.array([0.5, 0.75, 1, 1.25, 1.5, 1.75, 1.75, 2, 2.25, 2.5, 2.75, 3, 3.25, 3.5, 4, 4.25, 4.5, 4.75, 5, 5.5]).reshape(-1,1)
y = np.array([0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1])

Entrenando la regresión logística

Durante la fase de entrenamiento, el modelo aprende qué coeficientes minimizan la función de coste.

# Paso 3: importamos la clase LogisticRegresion de scikit-learn
from sklearn.linear_model import LogisticRegression

# Paso 4: Creamos una instancia de la Regresión Logística
regresion_logistica = LogisticRegression()

# Paso 5: Entrena la regresión logística con los datos de entrenamiento
regresion_logistica.fit(X,y)

Haciendo predicciones

Vamos a ver cómo podemos hacer predicciones una vez que el modelo está entrenado. Primero haremos predicciones absolutas y luego predicciones relativas. Vamos a ver qué pasa si estudiamos 1, 2, 3, 4, 5 ó 6 horas.

X_nuevo = np.array([1, 2, 3, 4, 5, 6]).reshape(-1,1)

# Paso 6: Usa el modelo entrenado para obtener las predicciones con datos nuevos
prediccion = regresion_logistica.predict(X_nuevo)
print(prediccion)
# produce el resultado: [0 0 1 1 1 1]

Como podemos ver, en el caso que el estudiemos 1 ó 2 horas, lo más probable es que suspendamos para este examen. Si estudiamos 3 o más horas, lo más probable es aprobar. Vamos a ver ahora cómo podemos calcular las probabilidades en estos casos.

# Paso 7: Opcionalmente, obtén las probabilidades de la predicción
probabilidades_prediccion = regresion_logistica.predict_proba(X_nuevo)
print(probabilidades_prediccion)

# produce el siguiente resultado (la primera columna es 
# la probabilidad de suspender y la segunda columna es
# la probabilidad de aprobar)
# [[0.6801015  0.3198985 ]
#  [0.53568295 0.46431705]
#  [0.38502138 0.61497862]
#  [0.25359079 0.74640921]
#  [0.15566862 0.84433138]
#  [0.09095092 0.90904908]]

# Como seguramente estamos más interesados en la probabilidad de aprobar,
# podemos centrarnos en la segunda columna
print(probabilidades_prediccion[:,1])

# produce el resultado:
[0.3198985  0.46431705 0.61497862 0.74640921 0.84433138 0.90904908]

Recursos

Suscríbete a IArtificial.net

¿Cómo usar Regresión Logística en Python?

Deja un comentario

avatar
  Suscribir  
Notificar de