本文介绍了逻辑回归在二分类问题中的应用，如判断垃圾文件、疾病诊断和金融诈骗检测。首先，讲解了逻辑回归的输入、sigmoid转换及概率输出。接着，阐述了模型训练过程，包括数据预处理、特征工程、模型评估等关键步骤，并提供了一个癌症分类预测的案例。案例中，数据来源于UCI机器学习库，涉及数据读取、缺失值处理、数据集划分等操作。最后，讨论了逻辑回归模型的评估指标和损失函数。
1.1应用场景：解决二分类问题
- 判断是否为垃圾文件
- 判断是否患病
- 判断是否为金融诈骗
1.2步骤
- 输入：一个线性回归的结果：
y=w1x1+w2x2+w3x3+……+wnxn+b - 再将输入映射到sigmoid函数（值域[0, 1]） ：
1/(1+e^(-x)) - 输出：[0, 1]区间内的一个概率值，默认0.5为阈值
- 损失函数：对数似然损失
1.3逻辑回归API
1.4癌症分类预测案例
数据准备：
原始数据URL：https://archive.ics.uci.edu/ml/machine-learning-databases/
流程分析：
- 获取数据：读取时加上names
- 数据处理：处理缺失值
- 数据集划分
- 特征工程：标准化实现无量纲处理
- 逻辑回归预估器
- 模型评估
扫一扫
669
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
