Python的逻辑回归-摘要

逻辑回归是一种广泛使用的机器学习算法，适用于二元分类问题。在Python中，使用Scikit-learn库中的LogisticRegression函数来实现逻辑回归。

实现过程

数据准备

准备数据时，需要将目标变量映射到0和1的二元值。可以使用pandas库载入数据并进行预处理。

import pandas as pd

data = pd.read_csv('data.csv')
data['Target'] = data['Target'].map({'No': 0, 'Yes': 1})

数据分割

为了评估模型的性能，需要将数据分成训练集和测试集。可以使用Scikit-learn库中的train_test_split函数实现。

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

模型训练

使用LogisticRegression函数进行模型训练。

from sklearn.linear_model import LogisticRegression

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

模型评估

使用训练集和测试集数据对模型进行评估。

from sklearn.metrics import accuracy_score

y_pred_train = model.predict(X_train)
y_pred_test = model.predict(X_test)

print('Train accuracy:', accuracy_score(y_train, y_pred_train))
print('Test accuracy:', accuracy_score(y_test, y_pred_test))

新数据预测

可以使用模型对新数据进行预测。

new_data = [[25, 0, 1, 1, 0, 0, 1, 1, 1, 1, 0, 1, 0, 1]]

new_data_pred = model.predict(new_data)

print('New data prediction:', new_data_pred[0])

结论

通过以上步骤，可以完成逻辑回归模型的训练和预测，在实际问题中得到应用。