Python 机器学习实战：根据成绩预测大学生能否被高校录取

      逻辑回归算法是用于分类的。本案例中，建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员，你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据，你可以用它作为逻辑回归的训练集。对于每一个培训例子，你有两个考试的申请人的分数和录取决定。为了做到这一点，我们将建立一个分类模型，根据考试成绩估计入学概率。

      1、首先，导入库，并且读取数据集。原来数据集是 .txt 结尾的。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import os
path =  'LogiReg_data.txt'
pdData = pd.read_csv(path, header=None, names=['Exam 1', 'Exam 2', 'Admitted'])

由于原始数据中并没有给出每一列的列的名字，所以，我们自己加一个 “Exam 1”、"“Exam 2”、"Admitted"，我们最好列举前几行数据，确认一下是否读入了数据，并且，看一下数据的维度：

pdData.head()
pdData.shape

显示结果如下：

      2、将数据分成正负样本，利用散点图，大致看一下数据分布（不是必要步骤，而且因为数据只有两个维度，才添加了此步骤）

positive = pdData[pdData['Admitted'] == 1] 
negative = pdData[pdData['Admitted'] == 0] 

fig, ax = plt.subplots(figsize=(10,5))
ax.scatter(positive['Exam 1'], positive['Exam 2'], s=30, c='b', marker='o', label='Admitted')
ax.scatter(negative['Exam 1'], negative['Exam 2'], s=30, c='r', marker='x', label='Not Admitted')
ax.legend()
ax.set_xlabel('Exam 1 Score')
ax.set_ylabel('Exam 2 Score')

补充说明一下：Admitted 是标签，当标签为 1 时，认为是正样本；标签为 0 时，认为是负样本。而 pd Data['Admitted'] == 1，是一堆 True 和 false。散点