目标
这次学习的目标是:机器学习之逻辑回归,并用逻辑回归实现二分类的问题。
将通过三个实战项目理解和熟练掌握机器学习的逻辑回归模型
逻辑回归介绍
什么是逻辑回归
逻辑回归是用于解决分类问题的一种模型,根据数据特征或属性,计算其归属于某一类别的概率,根据概率值判断其所属类别。
主要应用的场景:二分类问题
下面介绍下flare老师对逻辑回归讲解的课件
逻辑回归求解
求解出损失函数的最小值,即可得到最优的逻辑回归模型
分类任务与回归任务的区别
逻辑回归实战准备
分类散点图可视化
逻辑回归模型使用
建立新的数据集
模型评估
任务介绍
实战一:考试通过预测
1、基于examdata.csv数据,建立逻辑回归模型,评估模型表现:
2、预测Exam1=75,Exam=60时,该同学能否通过Exam3
实战二:建立二阶边界函数,重新进行考试通过预测
建立二阶边界函数,重复任务实战一种的任务1和任务2
实战三:芯片质量预测
1、基于chip_test.csv数据,建立逻辑回归模型(二阶边界),评估模型表现;
2、以函数的方式求解边界曲线
3、描绘出完整的决策边界曲线
流程
1、导入数据
2、可视化分类数据散点图
3、生成新的特征数据并赋值
4、创建模型并训练
5、模型预测
6、评估模型的准确率
7、查看决策边界函数的各个系数
8、求解出边界曲线函数
9、可视化决策边界曲线
具体步骤
实战一:考试通过预测
1、导入文件数据
#load the data
import numpy as np
import pandas as pd
path='Desktop/artificial_intelligence/Chapter3/examdata.csv'
data=pd.read_csv(path)
data.head()