eEDB-001 - Análise e Mineração de Dados - Atividade 04

logistic_regression_cross_validation.py

"""
Universidade de São Paulo
Escola Politécnica 
Especializaçäo em Engenharia de Dados & Big Data
Análise e Mineração de Dados - eEDB-001
Atividade 04 

Desenvolvimento de função que realiza validação cruzada no treinamento de 
modelo de regressão logística.
"""

import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score
from sklearn.model_selection import KFold

def cross_validation_logistic_regression(features, labels, model, folds):
  """
  Realiza a validação cruzada no treinamento do modelo de regressão logística.

  Parâmetros:
    features: Os dados de features.
    labels: Os rótulos.
    model: O modelo de regressão logística a ser treinado.
    folds: O número de folds.

  Retorno:
    Uma matriz com as métricas de desempenho em cada fold.
  """

  # Divide os dados em folds
  kfold = KFold(n_splits=folds)
  splits = kfold.split(features, labels)

  # Itera sobre os folds
  scores = np.zeros((folds, 4))
  for i, (train_index, test_index) in enumerate(splits):
    # Treina o modelo no fold de treino
    model.fit(features[train_index], labels[train_index])

    # Faz as predições no fold de teste
    predictions = model.predict(features[test_index])

    # Calcula as métricas de desempenho
    scores[i] = [
      accuracy_score(labels[test_index], predictions),
      precision_score(labels[test_index], predictions),
      recall_score(labels[test_index], predictions),
      f1_score(labels[test_index], predictions)
    ]

  return scores