100天搞定机器学习（100-Days-Of-ML）（四）逻辑回归

最新推荐文章于 2019-10-25 21:31:04 发布

带着小板凳学习

最新推荐文章于 2019-10-25 21:31:04 发布

阅读量1.1k

点赞数 3

分类专栏： 100天搞定机器学习文章标签：机器学习

本文链接：https://blog.csdn.net/u013963380/article/details/84931123

版权

本文介绍了逻辑回归在分类问题中的应用，通过一个汽车购买意向预测案例，详细阐述了数据处理、模型训练、测试预测及混淆矩阵的概念，旨在帮助读者深入理解逻辑回归的工作原理。

摘要由CSDN通过智能技术生成

第四天：逻辑回归

逻辑回归被用来处理不同的分类问题，看名字是回归模型实际上是分类模型，这里的目的是预测当前被观察的对象属于什么类别。逻辑回归模型会提供一个离散的输出结果。一个简单的例子是判断一封邮件是否是垃圾邮件。

第一步：处理数据集

数据集：该数据集包含了社交网络中的用户的信息，如用户id，性别，年龄，薪水。现在有一个汽车公司发布一款新的比较奢侈的SUV车，我们的任务就是根据这些信息预测用户是否有意愿购买该款SUV。

数据集如下：

1.导入必要的库
-------------------------
import numpy as np
import pandas as pd
--------------------------
2.加载数据集
--------------------------
dataset = pd.read_csv('F:/100-Days-Of-ML-Code-master/datasets/Social_Network_Ads.csv')
X = dataset.iloc[ : , [2, 3]].values  //这里我们取Age和Salary属性
Y = da