📜  建立回归模型

📅  最后修改于: 2021-01-23 05:52:19             🧑  作者: Mango


Logistic回归是指用于预测分类因变量的概率的机器学习算法。在逻辑回归中,因变量是二进制变量,它由编码为1的数据(布尔值true和false)组成。

在本章中,我们将重点介绍使用连续变量在Python开发回归模型。线性回归模型的示例将集中于从CSV文件进行数据探索。

分类目标是预测客户是否将订阅(1/0)定期存款。

import pandas as pd
import numpy as np
from sklearn import preprocessing
import matplotlib.pyplot as plt

plt.rc("font", size=14)
from sklearn.linear_model import LogisticRegression
from sklearn.cross_validation import train_test_split

import seaborn as sns
sns.set(style="white")
sns.set(style="whitegrid", color_codes=True)
data = pd.read_csv('bank.csv', header=0)
data = data.dropna()
print(data.shape)
print(list(data.columns))

请按照以下步骤使用“ Jupyter Notebook”在Anaconda Navigator中实现上述代码-

步骤1-使用Anaconda Navigator启动Jupyter Notebook。

Jupyter笔记本第一

Jupyter笔记本第二

步骤2-上传csv文件以系统方式获取回归模型的输出。

Jupyter笔记本第三

步骤3-创建一个新文件并执行上述代码行以获取所需的输出。

Jupyter笔记本第四

Jupyter笔记本电脑第五