机器学习100天: Day3 - 6 逻辑回归

最新推荐文章于 2022-09-13 21:50:26 发布
最新推荐文章于 2022-09-13 21:50:26 发布
阅读量254 收藏
点赞数
分类专栏： 机器学习100天
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tutan123/article/details/89572085
版权
本文讲述了使用逻辑回归算法预测社交网络用户是否购买豪华SUV的情况。数据预处理包括将数据集分为训练集和测试集，进行特征缩放。接着通过线性模型库构建逻辑回归模型，并应用到训练集。预测测试集后，通过混淆矩阵评估模型的预测准确性。
摘要由CSDN通过智能技术生成

本文介绍逻辑回归算法及其代码实现

数据集 | 社交网络

该数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。一家汽车公司刚刚推出了他们新型的豪华SUV，我们尝试预测哪些用户会购买这种全新SUV。并且在最后一列用来表示用户是否购买。我们将建立一种模型来预测用户是否购买这种SUV，该模型基于两个变量，分别是年龄和预计薪资。因此我们的特征矩阵将是这两列。我们尝试寻找用户年龄与预估薪资之间的某种相关性，以及他是否购买SUV的决定。

步骤1 | 数据预处理

导入库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

将数据集分成训练集和测试集

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size = 0.25, random_state = 0)

特征缩放

from sklea
最低0.47元/天 解锁文章
tutan123
关注
专栏目录
机器学习Sklearn Day6
birdooo的博客
03-03 925
2.3 梯度下降：重要参数max_iter 逻辑回归的数学目的是求解能够让模型最优化，拟合程度最好的参数θ的值，即求解能够让损失函数J（θ）最小化的θ值。对于二元逻辑回归来说，有多种方法可以用来求解参数θ，最常见的有梯度下降法(GradientDescent)，坐标下降法(Coordinate Descent)，牛顿法(Newton-Raphson method)等，其中又以梯度下降法最为著名。每种方法都涉及复杂的数学原理，但这些计算在执行的任务其实是类似的。 2.3.1 梯度下降求解逻...
100天学习机器学习python代码计划-Day4-6：逻辑回归模型及其数据可视化
qq_35153620的博客
07-04 1269
跟着github上的Avik-Jain学习机器学习： https://github.com/Avik-Jain/100-Days-Of-ML-Code Day4-6:逻辑回归模型及其数据可视化 1.读取数据集： 根据消费者的年龄和收入，预测其是否会在4s点买车 """ File: logisticsregression.py """ import pandas as pd import...
Day6--Logistic Regression代码
abc_138的博客
11-01 702
数据集 | 社交网络 该数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。一家汽车公司刚刚推出了他们新型的豪华SUV，我们尝试预测哪些用户会购买这种全新SUV。并且在最后一列用来表示用户是否购买。我们将建立一种模型来预测用户是否购买这种SUV，该模型基于两个变量，分别是年龄和预计薪资。因此我们的特征矩阵将是这两列。我们尝试寻找用户年龄与预估薪资之间的某种相关性，...
sklearn机器学习——day06
weixin_44267765的博客
09-13 1447
sklearn
sklearn实战-----6.聚类算法K-Means
zjmy的博客
06-16 2761
1 概述 1.1 无监督学习与聚类算法 在过去的五周之内，我们学习了决策树，随机森林，逻辑回归，他们虽然有着不同的功能，但却都属于“有监督学习”的一部分，即是说，模型在训练的时候，即需要特征矩阵X，也需要真实标签y。机器学习当中，还有相当一部分算法属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵X，不需要标签。我们曾经学过的PCA降维算法就是无监督学习中的一种，聚类算法，也是无监督学习的代表算法之一。 聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分可以基于我们
机器学习-sklearn第六天——笔记
weixin_45649258的博客
03-02 655
目录3 案例：用逻辑回归制作评分卡3.1 导库，获取数据3.2 探索数据与数据预处理3.2.1 去除重复值3.2.2 填补缺失值3.2.3 描述性统计处理异常值3.2.4 为什么不统一量纲，也不标准化数据分布？3.2.5 样本不均衡问题3.2.6 分训练集和测试集3.3 分箱3.3.1 等频分箱3.3.3 定义WOE和IV函数3.3.4 卡方检验，合并箱体，画出IV曲线3.3.5 用最佳分箱个数分箱，并验证分箱结果3.3.6 将选取最佳分箱个数的过程包装为函数3.3.7 对所有特征进行分箱选择3.4 计算各
《机器学习 100 天》-Siraj Raval-中文版！
03-12
100-Days-Of-ML-Code 是 Avik-Jain 的机器学习项目，超赞的配图，清晰的知识点梳理，是入门机器学习非常好的项目。内容包括：数据预处理、线性回归、逻辑回归、K最邻近算法、支持向量机、深度学习专项课程等.特色...
《机器学习100天》学习笔记——Day 4-6_Logistic_Regression(逻辑回归）
qq_41929011的博客
03-29 397
100-Days-Of-ML-Code 中文版《机器学习100天》 GitHub ：https://github.com/MLEveryday/100-Days-Of-ML-Code 数据集 | 社交网络 部分数据集如下图所示： 该数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。一家汽车公司刚刚推出了他们新型的豪华SUV，我们尝试预测哪些用户会购买这种全新SUV。...
100天机器学习day4之逻辑回归
qq_52240350的博客
06-03 207
大家好我是小k今天的模板博客有些小错误 我在这里做出了一些调整代码可以直接复制运行 逻辑回归属于机器学习里的分类模块今天我们看的是最简单
logistic regression完整代码演示
阿薇阿薇的博客
07-08 993
#logistics regression完整代码 #三大件 import numpy as np import pandas as pd import matplotlib.pyplot as plt #%matplotlib inline #数据读取 import os pdData = pd.read_table("LogiReg_data.txt", sep=",",header=None, names=['Exam 1', 'Exam 2', 'Admitted']) #pdData.head
Social-Networks-Ads:使用各种机器学习模型来预测一个人是否要购买新产品
04-06
社交网络广告 使用各种机器学习模型来确定一个人是否要购买新产品。 由于它是分类数据集，因此我们使用各种分类监督的机器学习算法。 K最近的邻居。 k最近邻（KNN）算法是一种简单，易于实现的有监督的机器学习算法，可用于解决分类和回归问题。 它也被称为惰性学习器算法，因为它不立即从训练集中学习，而是存储数据集，并且在分类时对数据集执行操作.KNN算法在训练阶段仅存储数据集，何时训练它获取新数据，然后将其分类为与新数据非常相似的类别。 逻辑回归。 逻辑回归是最流行的机器学习算法之一，属于监督学习技术。 它用于使用给定的一组自变量来预测分类因变量。Logistic回归预测分类因变量的输出。 因此，结果必须是分类或离散值。 它可以是Yes或No，0或1，true或False等，但不是给出确切的值0和1，而是给出介于0和1之间的概率值。 朴素贝叶斯分类器。 朴素贝叶斯算法是一种基于贝叶斯定理的
Social_Network_Ads.csv
10-14
该数据共400条数据，4个特征，年龄、性别、收入、购买意向
ML算法基础——分类模型评估与调参
muguangjingkong的博客
05-31 996
文章目录一、分类模型评估1.准确率2.精确率和召回率2.1 混淆矩阵2.2 精确率(Precision)与召回率(Recall)2.3 分类模型评估API2.4 贝叶斯模型评估实例二、模型的选择与调优1、交叉验证2、网格搜索2.1 超参数搜索-网格搜索API2.2 knn实例测试网格搜索 一、分类模型评估 1.准确率 estimator.score() 一般最常见使用的是准确率，即预测结果正确的百分比 2.精确率和召回率 2.1 混淆矩阵 在分类任务下，预测结果(Predicted Condition)与正
机器学习算法基础day6
prettygirlman的博客
07-24 164
分类算法-逻辑回归 逻辑回归 sigmoid函数 逻辑回归公式 逻辑回归的损失函数、优化 sklearn逻辑回归API LogisticRegression sklearn.linear_model.LogisticRegression(penalty=‘l2’, C = 1.0) Logistic回归分类器 coef_：回归系数 LogisticRegression总结 应用：广告点击率预测、电商购物搭配推荐 优点：适合需要得到一个分类概率的场景 缺点：当特征空间很大时，逻辑回归的性能不是很好 （
机器学习基础：朴素贝叶斯笔记--阿里云天池
qq_41648495的博客
12-15 526
机器学习基础：朴素贝叶斯笔记–阿里云天池 真正的概率分类器 在许多分类算法应用中，特征和标签之间的关系并非是决定性的。比如说，我们想预测一个人究竟是否会在泰坦尼克号海难中生存下来，那我们可以建一棵决策树来学习我们的训练集。在训练中，其中一个人的特征为：30岁，男，普通舱，他最后在泰坦尼克号海难中去世了。当我们测试的时候，我们发现有另一个人的特征也为：30岁，男，普通舱。基于在训练集中的学习，我们的决策树必然会给这个人打上标签：去世。然而这个人的真实情况一定是去世了吗？并非如此。也许这个人是心脏病患者，得到了
机器学习算法基础day6-7
weixin_58975360的博客
02-11 806
1sklearn k-近邻算法API 数据的处理 （1）缩小数据集范围 DataFrame.query() （2）处理日期数据 pd.to_datetime pd.DatetimeIndex （3）增加分割的日期数据 （4）删除没用的日期数据 pd.drop （5）将签到位置少于n个用户的删除 place_count =data.groupby('place_id').aggregate(np.count_nonzero)tf = place_count[place_count..
机器学习A-Z～Logistic Regression
weixin_33757911的博客
02-12 85
之前的课程谈论的都是线性回归问题，现在开始看看分类问题。首先讲的是逻辑回归，英文叫做Logistic Regression。看一下下面的图像，因变量不再如同线性回归那样相对来说比较连续，这里的数据点是离散的。 比如我们现在是一家媒体公司，有一些广告投放，为了让客户购买产品。现在收集了客户的年龄信息和客户是否购买的产品，那么就得到了这些数据...
机器学习 建立模型_数据科学家如何在现实生活中建立机器学习模型
weixin_26713457的博客
10-15 1291
机器学习 建立模型The web is already flooded by data science and machine learning related resources nowadays. There are numerous blogs, websites, YouTube videos, and forums that are providing useful informatio...
python合并excel相同的名称的商品
yyangcr的博客
10-13 1494
每个月都需要做一次将几个供应商的商品汇总，然后发给他们，他们进行开票，一次有好几家供应商，有多有少。所以还是觉得麻烦 其中一个单位的供应商就有2000多，每个月都要做公式，也麻烦，所以准备用python来实现 import xlwings as xw from SpEntity import SpEntity import xlwings as xw class SpEntity: def __init__(self,name,shuliang,total): ..
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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