python考研成绩_[ML2]根据考研初试成绩预测是否被录取_基于Logistic回归

学完了吴恩达机器学习的Logistic回归一章，事不宜迟，马上实战。我选择拿来练习的数据会尽量找手边的真实数据，这样才能真确地增加处理问题的能力。

简介

我手上有一份某985大学某专业2018年考研复试结果的excel表格数据是真实的，是从该学校一个师兄的手上拿到的：

复试结果

整个表格共有82个数据，也就是共有82名考生参加了复试，其中有56个考生被录取。我希望构建一个Logistic回归模型，以初试的四门课为自变量——政治、英语、数学和专业课，基于这四个变量预测考生是否会被录取。

我在excel对数据进行了简单的处理，单独选取了政治、英语、数学、专业课和拟录取结果五列出来，并且删除了拟“少干”计划录取和拟“退役大学生士兵”专项计划录取两个特殊数据，将“拟录取”的值设为1，“拟候补录取”和“拟不录取”的值设为0，保存为csv文件。

代码

sklearn库有专门的logistic回归类，但是吴恩达的作业要求同学自己实现一遍logistic回归——求解全局最小代价的参数，而且我还不是很熟悉sklearn库，因此我在Python重复造一次轮子。首先导入相关的库：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

from sklearn.metrics import classification_report # 分类评价报告

import scipy.optimize as opt # 寻找