以某銀行貸款拖欠率資料進行邏輯回歸建模，資料示例如下：
特徵篩選：本例採用穩定性選擇方法中的隨機邏輯回歸
建立模型：利用篩選後的特徵建立邏輯回歸模型
輸出平均正確率
#-*- coding: utf-8 -*-
#邏輯回歸 自動建模
import pandas as pd
#引數初始化
filename = '../data/bankloan.xls'
data = pd.read_excel(filename)
x = data.iloc[:,:8] #選取data前8列資料，[0：8]不包括8
y = data.iloc[:,8] #選取data,9列資料
from sklearn.linear_model import logisticregression as lr
from sklearn.linear_model import randomizedlogisticregression as rlr
rlr = rlr() #建立隨機邏輯回歸模型，篩選變數，預設閾值為0.25，
rlr.fit(x, y) #訓練模型
rlr.get_support() #獲取特徵篩選結果，可以通過 .scores_ 方法獲取各個特徵的分數
print(u'通過隨機邏輯回歸模型篩選特徵結束。')
print(u'有效特徵為：%s' % ','.join(x.columns[rlr.get_support()]))
x = x[x.columns[rlr.get_support()]] #篩選特徵
lr = lr() #建立邏輯回歸模型
lr.fit(x, y) #用篩選後的特徵資料來訓練模型
print(u'邏輯回歸模型訓練結束。')
print(u'模型的平均正確率為：%s' % lr.score(x, y)) #給出模型的平均正確率，本例為81.4%
機器學習 邏輯回歸 Python實現邏輯回歸
coding utf 8 author 蔚藍的天空tom import numpy as np import os import matplotlib.pyplot as plt from sklearn.datasets import make blobs global variable path...
線性邏輯回歸python
例項描述 假設腫瘤醫院想要用神經網路對已有的病例資料進行分類，資料的樣本特徵包括病人的年齡和腫瘤的大小，對應的標籤應該是良性腫瘤還是惡性腫瘤 1.生成樣本集 利用python生成乙個二維陣列 病人的年紀，腫瘤的大小 樣本集，下面 中generate為生成樣本的函式，意思是按照指定的均值和方差生成固定...
python 邏輯回歸分類 機器學習 邏輯回歸分類
分類問題 1 本質 決策面 decision su ce 2 評估分類演算法的指標，正確率 正確分類個數 總數 二分分類 邏輯回歸輸入 訓練資料的特徵和標籤 模型 邏輯回歸 輸出 分類結果 什麼是邏輯函式？在0到1之間取值，邏輯回歸是因為引數是邏輯函式 邏輯的數值 表示分類結果是1是y的結果 決策面...