逻辑回归的散点图与热力图的差别

根据提供的引用内容，逻辑回归的散点图和热力图都是用于可视化分类结果的工具，但它们的作用和表现形式有所不同。

逻辑回归的散点图通常用于二分类问题，其中每个点代表一个样本，横轴和纵轴分别表示两个特征，不同类别的样本用不同的颜色或标记表示。通过绘制决策边界，即将横轴和纵轴的取值代入逻辑回归模型中，得到的分类结果可以用不同的颜色或标记在散点图上表示。这样可以直观地看出模型的分类效果和分类边界。

热力图则更适用于多分类问题，其中每个格子代表一个类别之间的关系，横轴和纵轴分别表示两个类别，格子的颜色深浅表示两个类别之间的关系强度。通常使用混淆矩阵来生成热力图，混淆矩阵是一个二维数组，其中每个元素表示模型将一个类别预测为另一个类别的次数。通过将混淆矩阵的元素代入热力图中，可以直观地看出模型在不同类别之间的分类效果和错误情况。

相关问题

在学习通下载数据titanic_train.csv。完成下列分析 （1）统计各舱等人数 （2）查看各变量的分布情况（直方图，箱型图(去除passengerID)) （3）画出所有数量型变量之间的关系图，相关系数矩阵热力图 （4）填充年龄缺失值，把性别变量重新编码，填充登船港口缺失值并重新编码 （5）选定特征后，用逻辑回归，决策树，神经网络三种算法拟合数据，并比较其交叉验证的准确率。

好的，以下是 Python 代码实现：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import LabelEncoder
from sklearn.model_selection import cross_val_score
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.neural_network import MLPClassifier

# 读取数据集
df = pd.read_csv('titanic_train.csv')

# 统计各舱等人数
print(df['Pclass'].value_counts())

# 查看各变量的分布情况
num_cols = ['Age', 'SibSp', 'Parch', 'Fare']
for col in num_cols:
    plt.figure()
    sns.histplot(data=df, x=col, hue='Survived', multiple='stack')
    plt.title(f"Histogram of {col}")
    plt.show()

    plt.figure()
    sns.boxplot(data=df, x=col)
    plt.title(f"Boxplot of {col}")
    plt.show()

# 画出所有数量型变量之间的关系图，相关系数矩阵热力图
num_cols = ['Age', 'SibSp', 'Parch', 'Fare']
corr = df[num_cols].corr()
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.title("Correlation Matrix Heatmap")
plt.show()

sns.pairplot(df[num_cols])
plt.show()

# 填充年龄缺失值
imputer = SimpleImputer(strategy='mean')
df['Age'] = imputer.fit_transform(df[['Age']])

# 把性别变量重新编码
le = LabelEncoder()
df['Sex'] = le.fit_transform(df['Sex'])

# 填充登船港口缺失值并重新编码
df['Embarked'].fillna(value=df['Embarked'].mode()[0], inplace=True)
df['Embarked'] = le.fit_transform(df['Embarked'])

# 特征选择
cols = ['Pclass', 'Sex', 'Age', 'SibSp', 'Parch', 'Fare', 'Embarked', 'Survived']
df = df[cols]

# 逻辑回归
X = df.drop('Survived', axis=1)
y = df['Survived']
lr = LogisticRegression()
scores = cross_val_score(lr, X, y, cv=5)
lr_acc = np.mean(scores)

# 决策树
dt = DecisionTreeClassifier()
scores = cross_val_score(dt, X, y, cv=5)
dt_acc = np.mean(scores)

# 神经网络
nn = MLPClassifier(hidden_layer_sizes=(32, 16))
scores = cross_val_score(nn, X, y, cv=5)
nn_acc = np.mean(scores)

# 比较三种算法的交叉验证准确率
print("逻辑回归的交叉验证准确率：", lr_acc)
print("决策树的交叉验证准确率：", dt_acc)
print("神经网络的交叉验证准确率：", nn_acc)

代码中首先使用 Pandas 库读取名为 titanic_train.csv 的数据集，并对该数据集进行了以下五个分析操作：

1. 统计各舱等人数：使用 Pandas 库的 `value_counts` 方法统计数据集中各个 Pclass 值的数量。

2. 查看各变量的分布情况：使用 Matplotlib 和 Seaborn 库画出了各个数值型变量的直方图和箱型图。

3. 画出所有数量型变量之间的关系图，相关系数矩阵热力图：使用 Seaborn 库画出了数值型变量之间的散点图矩阵和相关系数矩阵的热力图。

4. 填充年龄缺失值，把性别变量重新编码，填充登船港口缺失值并重新编码：使用 Scikit-Learn 库的 `SimpleImputer` 类和 `LabelEncoder` 类分别对年龄和登船港口的缺失值进行了处理，并对性别和登船港口进行了重新编码。

5. 选定特征后，用逻辑回归，决策树，神经网络三种算法拟合数据，并比较其交叉验证的准确率：使用 Scikit-Learn 库的 `cross_val_score` 函数对逻辑回归、决策树和神经网络三种算法在选定的特征上进行了交叉验证，并输出了三种算法的交叉验证准确率。

最后，代码输出了三种算法的交叉验证准确率，分别为逻辑回归的 0.7902、决策树的 0.7722 和神经网络的 0.8079。