人工智能基础与应用 - 数据处理、建模与预测流程 8 基础模型之分类模型

8.1 学习目标

通过本章学习，读者应能够：

• 理解什么是分类模型及其适用场景
• 区分分类问题与回归问题
• 掌握逻辑回归这一基础分类模型的使用方法
• 理解分类模型的预测结果与评估指标
• 使用 Python 完成一个完整的分类建模流程

本章的目标是：
让读者理解"判断类问题"中，模型到底在判断什么。

---

8.2 什么是分类模型（从结果形式理解）

分类模型用于解决这样一类问题：

预测结果属于哪一类。

常见特征是：

• 结果不是一个连续数值
• 而是一个类别或标签

---

8.2.1 常见分类问题示例

• 是否达成运动目标（是 / 否）
• 是否存在风险（有 / 无）
• 邮件是否为垃圾邮件
• 用户是否会流失

只要问题的答案是：

"属于哪一类"或"是否发生"

通常就可以考虑使用分类模型。

---

8.3 分类模型与回归模型的根本区别

可以从预测结果的形式来区分：

模型类型	预测结果
回归模型	连续数值
分类模型	类别或概率

例如：

• 预测"今天走了多少步" → 回归
• 判断"是否超过 8000 步" → 分类

---

8.4 从业务问题到分类问题的转化

很多业务问题，原本是"数值"，但真正关心的是判断。

例如：

• 原始问题：预测每日步数
• 实际决策：是否达成目标

此时，可以将问题转化为：

daily_steps ≥ 8000 → 1
daily_steps < 8000 → 0

这一步称为：

标签离散化（或二值化）

---

8.5 逻辑回归：最基础的分类模型

8.5.1 名字里有"回归"，但它是分类模型

逻辑回归（Logistic Regression） 是：

• 最基础、最常用的分类模型之一
• 广泛用于二分类问题

它的输出本质是：

• 一个 概率值（介于 0 和 1 之间）

---

8.5.2 直观理解逻辑回归在做什么

可以这样理解：

模型在判断：某个样本"属于某一类的可能性有多大"。

然后再根据阈值（通常是 0.5）：

• 大于阈值 → 判为正类
• 小于阈值 → 判为负类

---

8.6 分类模型的基本训练流程

分类模型的训练流程，与回归模型高度一致：

1. 准备特征和标签
2. 将标签转换为类别（如 0 / 1）
3. 划分训练集和测试集
4. 创建并训练模型
5. 预测与评估

下面通过一个完整示例来演示。

---

8.7 Python 示例：判断是否达成运动目标

示例场景

根据用户的年龄和运动时长，判断其是否达成 8000 步目标。

---

8.7.1 构造示例数据

import pandas as pd

data = {
    'age': [25, 30, 45, 35, 50, 28, 40, 60],
    'exercise_minutes': [30, 20, 10, 40, 15, 25, 20, 5],
    'daily_steps': [8000, 6000, 3000, 10000, 4000, 7000, 5000, 2000]
}

df = pd.DataFrame(data)

# 构造分类标签：是否达成 8000 步
df['target'] = (df['daily_steps'] >= 8000).astype(int)

print(df)

---

8.7.2 分离特征与标签

X = df[['age', 'exercise_minutes']]
y = df['target']

---

8.7.3 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=0.25, random_state=42
)

---

8.7.4 创建并训练逻辑回归模型

from sklearn.linear_model import LogisticRegression

model = LogisticRegression()
model.fit(X_train, y_train)

---

8.7.5 进行预测

y_pred = model.predict(X_test)

print("真实标签:", y_test.values)
print("预测标签:", y_pred)

---

8.8 分类模型的评估方式

8.8.1 准确率（Accuracy）

from sklearn.metrics import accuracy_score

accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

准确率表示：

预测正确的样本占总样本的比例

---

8.8.2 为什么不能只看准确率

在某些场景中：

• 正负样本极不平衡
• "全预测为否"也可能准确率很高

因此，准确率并非万能指标。

---

8.9 分类模型输出结果如何理解

8.9.1 标签预测 vs 概率预测

# 预测类别
model.predict(X_test)

# 预测属于正类的概率
model.predict_proba(X_test)

predict_proba 输出的是：

• 属于每一类的概率
• 常用于风险评估类问题

---

8.9.2 阈值的作用

默认阈值是 0.5，但在实际业务中：

• 可以根据需求调整
• 例如"宁可多报风险，也不要漏报"

---

8.10 分类模型中的常见误区

8.10.1 把分类问题当回归问题

• 用回归模型预测 0 / 1
• 再强行四舍五入

这是不推荐的做法。

---

8.10.2 忽略类别不平衡问题

• 少数类被忽视
• 模型"看起来正确"，但实际无用

---

8.10.3 直接使用原始类别特征

• 未编码
• 模型无法处理

---

8.11 本章小结

本章重点内容包括：

• 分类模型用于判断"属于哪一类"
• 逻辑回归是最基础的分类模型
• 分类结果通常以概率和标签两种形式输出
• 评估分类模型不能只看训练集效果

这些内容将为后续更复杂分类模型打下基础。

---

8.12 课后练习

一、判断题

1. 分类模型的输出结果通常是类别或概率。
2. 逻辑回归属于回归模型。
3. 分类模型可以用于"是否发生"类问题。

---

二、简答题

1. 分类模型与回归模型的主要区别是什么？
2. 为什么在分类问题中不能只依赖准确率？

---

三、实践题（思考）

在"学生学习行为数据"中，如果目标是判断：

"该学生是否存在挂科风险"

请回答：

• 这是回归问题还是分类问题？
• 标签应如何设计？

---

8.13 练习题参考答案

一、判断题答案

1. 正确
2. 错误
3. 正确

---

二、简答题参考要点

第 1 题：

• 回归模型预测连续数值
• 分类模型预测类别或概率

第 2 题：

• 数据分布不平衡会误导准确率
• 需要结合业务目标选择评估指标

---

三、实践题参考答案

• 分类问题

• 标签可设为：

  • 有挂科风险 → 1
  • 无挂科风险 → 0

---