人工智能：第三章 机器学习之逻辑回归

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()