机器学习(6)-逻辑回归

该博客介绍了逻辑回归在预测事件概率中的应用,特别是针对购买行为的案例。通过使用sigmoid函数,将年龄和薪水作为输入特征,预测用户是否购买商品。博主分享了数据处理步骤,包括数据集划分、模型训练和性能评估,并提供了数据集和源码的下载链接。
摘要由CSDN通过智能技术生成

逻辑回归:
一般来讲,其实是用于研究某个事件的概率,输出的结果往往是0或者1
而输入又往往不止一个。
就是用几个不同的因素去预测这个事件到底是发生,还是不发生。
这里写图片描述
在预测的过程中,用到的是神奇的sigmoid函数

这里写图片描述

还是来看一下购买商品与否的案例:一共有400行数据
第一列是买家的年龄,第二列是买家的薪水,第三列是结果(0代表买过,1代表未买)
我们将数据集分成两部分。300个数据用作训练集,其余的用作测试集。
用逻辑回归训练这100个训练集的买家到底是买还是不买!

  • 数据处理

导入数据、设置自变量和因变量

dataset = pd.read_csv('S.csv')
X = dataset.iloc[:, [0,1]].values
y = dataset.iloc[:, 2].values
  • 设置训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25, random_state = 0)
  • 用拟合器拟合数据
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值