根据成绩用Logistic Regression预测学生是否被高校录取--Python版

最新推荐文章于 2023-01-11 21:30:11 发布

kicilove

最新推荐文章于 2023-01-11 21:30:11 发布

阅读量5.2k

点赞数 3

分类专栏：数据案例分析 Python数据分析实战机器学习文章标签： Python 逻辑回归

本文链接：https://blog.csdn.net/kicilove/article/details/76419215

版权

这篇博客探讨了如何运用逻辑回归模型预测学生是否会被高校录取。文章首先指出线性回归不适用于此问题，因为它预测的admit值超出0到1的范围。接着介绍了逻辑回归的基础——logit函数，并解释了逻辑回归如何限制输出在0到1之间以生成概率。通过训练和测试数据，展示了逻辑回归的效果，包括ROC曲线和AUC值，表明模型能有效预测录取概率。

摘要由CSDN通过智能技术生成

Dataset 说明

每年高中生和大学生都会申请进入到各种各样的高校中去。每个学生都有一组唯一的考试分数，成绩和背景数据。录取委员会根据这个数据决定是否接受这些申请者。在这种情况下一个二元分类算法可用于接受或拒绝申请，本文简单说明逻辑回归的使用。

本数据集admissions.csv包含了400个申请者的信息，特征如下：

gre -（入学考试成绩）
gpa - （累积平均绩点）
admit - 适合被录取 0或1
rank-本科学校等级（1-4，其中4代表最差，1代表最好）

1.Use Linear Regression To Predict Admission

这是原本的数据，admit的值是0或者1。可以发现”gpa”和”admit”并没有线性关系，因为”admit”只取两个值

import pandas
import matplotlib.pyplot as plt
admissions = pandas.read_csv("admissions.csv")
plt.scatter(admissions["gpa"], admissions["admit"])
plt.show()

这里写图片描述

这是通过线性回归模型预测的admit的值，发现admit_prediction 取值范围较大，有负值，不是我们想要的。

# The admissions DataFrame is in memory

# Import linear regression class
from sklearn.linear_model import LinearRegression

# Initialize a linear regression model
model = LinearRegression()

# Fit model
model.fit(admissions[['gre', 'gpa']], admissions["admit"])

# Prediction of admission
admit_prediction = model.predict(admissions[['gre', 'gpa']])

# Plot Estimated Function
plt.scatter(admissions["gpa"], admit_prediction)