一、sklearn中逻辑回归的相关类
在sklearn的逻辑回归中，主要用LogisticRegression和LogisticRegressionCV两个类来构建模型，两者的区别仅在于交叉验证与正则化系数C，下面介绍两个类（重要参数带**加绿）：
sklearn.linear_model.LogisticRegression(penalty=’l2’, dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=’liblinear’, max_iter=100, multi_class=’ovr’, verbose=0, warm_start=False, n_jobs=1)
penalty：可选'l1'、'l2'，正则化系数。注意'l1'不适用于MVM的情况。
dual：一个布尔值。如果为True，则求解对偶形式（只是在penalty='l2' 且solver='liblinear' 有对偶形式）；如果为False，则求解原始形式。这个参数一般不需要理会。
C：一个浮点数，它指定了正则化系数的倒数。如果它的值越小，则正则化越大。建议为10。
fit_intercept：一个布尔值，制定是否需要截距 值。如果为False，则不会计算b值（模型会假设你的数据已经中心化）。一般都需要截距，这个也可以不理会。
intercept_scaling：一个浮点数，只有当 solver='liblinear' 才有意义。当采用 fit_intercept 时，相当于人造一个特征出来，该特征恒为 1，其权重为 b 。在计算正则化项的时候，该人造特征也被考虑了。因此为了降低人造特征的影响，需要提供 intercept_scaling。不需要理会。
class_weight：Y的类别权重，一个字典或者字符串'balanced'。 如果为字典：则以字典方式给出了每个分类的权重，如{class_1:0.4，class_2:0.6}。 如果为字符串 'balanced'：则自动计算权重，样本量越小的权重越高。 如果未指定，则每个分类的权重都为 1。
random_state：一个整数或者一个RandomState实例，或者None。 •如果为整数，则它指定了随机数生成器的种子。 •如果为RandomState实例，则指定了随机数生成器。 •如果为None，则使用默认的随机数生成器。一般不需要理会。
solver：一个字符串，指定了求解最优化问题的算法，可以为如下的值。 'newton-cg'：使用牛顿法。'lbfgs'：使用L-BFGS拟牛顿法。'liblinear' ：使用 liblinear。'sag'：使用 Stochastic Average Gradient descent 算法。 注意： 对于规模小的数据集，'liblearner'比较适用；对于规模大的数据集，'sag'比较适用。'newton-cg'、'lbfgs'、'sag' 只处理penalty=‘12’的情况。
max_iter：一个整数，指定最大迭代数。可以默认或者自行调整。
multi_class：一个字符串，指定对于多分类问题的策略，可以为如下的值。 •'ovr' ：采用 one-vs-rest 策略。 •'multinomial'：直接采用多分类逻辑回归策略，sklearn采用的是sofmax函数的方法。注意多分类要先将Y转化为one-hot数据。
verbose：一个正数。用于开启/关闭迭代中间输出的日志。
warm_start：一个布尔值。如果为True，那么使用前一次训练结果继续训练，否则从头开始训练。
n_jobs：一个正数。指定任务并行时的 CPU 数量。如果为 -1 则使用所有了用的 CPU。
另一个类只介绍参数不一样的部分
sklearn.linear_model.LogisticRegressionCV(Cs=10, fit_intercept=True, cv=None, dual=False, penalty='l2', scoring=None, solver='lbfgs', tol=0.0001, max_iter=100, class_weight=None, n_jobs=1, verbose=0, refit=True, intercept_scaling=1.0, multi_class='ovr', random_state=None)
Cs：正则化系数，建议默认即可。
cv：默认为分层k折交叉验证Stratified K-Folds，如果是整数则制定交叉验证的折数。
假设我们创建了一个模型model= sklearn.linear_model.LogisticRegression()，如果要计算AUC并画出ROC曲线的时候要注意：
当我们用model.predict()方法的时候得到的是类别标签，例如二分类则预测之为0或1，不会得到逻辑回归的预测概率。
为了得到逻辑回归的预测概率需要用model.predict_proba(x_test)方法，注意这个方法返回的是形状为i*j列的数组，i为样本数,j为类别数,ij表示第i个样本是j类的概率；并且第i个样本的所有类别概率和为1。
二、sklearn的ROC及KS相关类
1、sklearn.metrics.roc_auc_score(y_true, y_score, average=’macro’, sample_weight=None, max_fpr=None)
y_true：0、1的binary类型标签。
y_score：y的预测值。
average：返回值的平均方式，有 [None, ‘micro’, ‘macro’ (default), ‘samples’, ‘weighted’]几种。
max_fpr：设置最大的fpr，取None即可。
返回值：float类型的auc值，即ROC曲线下的面积。
2、sklearn.metrics.roc_curve(y_true, y_score, pos_label=None, sample_weight=None, drop_intermediate=True)
y_true：0、1的binary类型标签。
y_score：y的预测值。
pos_label：分类为正类的标签，如果是（0，1）、（-1，1）默认1为分类为正类。
sample_weight：样本权重。
drop_intermediate：是否取出一些欠佳的阈值，取出欠佳阈值可以做出更好的ROC曲线。
返回值：fpr、tpr、thresholds ，返回三个向量，里面分别储存了不通阈值对应fpr和tpr，可以用来用来画出ROC曲线，同时求出最大KS对应的阈值。
三、代码示例
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
from sklearn.metrics import roc_auc_score,roc_curve
import matplotlib.pyplot as plt
import numpy as np
iris=load_iris()
iris.target[iris.target==1],iris.target[iris.target==2]=0,1 #将iris的三类数据转化为二类数据,labels=1与labels=0合并为0，labels=2转化为1
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.3) #拆分训练集与测试集
model=LogisticRegression(solver='newton-cg',multi_class='ovr') #创建模型
model.fit(x_train,y_train) #传入训练数据
#预测测试数据的lr概率值，返回i*j列的数据，i为样本数,j为类别数,ij表示第i个样本是j类的概率；第i个样本的所有类别概率和为1。
# 这里不能用model.predict()，因为输出的是0或1，并不是概率值，不能对后续的roc曲线进行计算
#另外model._predict_proba_lr可以用来计算的lr概率值
y_pre=model.predict_proba(x_test)
y_0=list(y_pre[:,1]) #取第二列数据，因为第二列概率为趋于0时分类类别为0，概率趋于1时分类类别为1
fpr,tpr,thresholds=roc_curve(y_test,y_0) #计算fpr,tpr,thresholds
auc=roc_auc_score(y_test,y_0) #计算auc
#画曲线图
plt.figure()
plt.plot(fpr,tpr)
plt.title('$ROC curve$')
plt.show()
#计算ks
KS_max=0
best_thr=0
for i in range(len(fpr)):
if(i==0):
KS_max=tpr[i]-fpr[i]
best_thr=thresholds[i]
elif (tpr[i]-fpr[i]>KS_max):
KS_max = tpr[i] - fpr[i]
best_thr = thresholds[i]
print('最大KS为：',KS_max)
print('最佳阈值为：',best_thr)