Python中的Logistic回归 – 摘要

Logistic回归是一种二元分类的统计技术。在本教程中，你学会了如何训练机器使用逻辑回归。创建机器学习模型，最重要的要求是数据的可用性。没有足够的相关数据，你不能简单地让机器学习。

一旦你有了数据，你的下一个主要任务是清理数据，消除不需要的行、字段，并为你的模型开发选择适当的字段。完成这些后，你需要将数据映射成分类器训练所需的格式。因此，数据准备是任何机器学习应用中的一项主要任务。一旦你准备好了数据，你就可以选择一个特定类型的分类器。

在本教程中，你学会了如何使用 sklearn 库中提供的逻辑回归分类器。为了训练这个分类器，我们使用了大约70%的数据来训练模型。我们使用其余的数据进行测试。我们测试该模型的准确性。如果这不在可接受的范围内，我们再去选择新的特征集。

再次，按照准备数据、训练模型和测试的整个过程，直到你对其准确性感到满意。在从事任何机器学习项目之前，你必须学习并接触到迄今为止已经开发出来的各种技术，这些技术已经成功地应用于行业中。