就邏輯回歸簡單原理及python實現來講,現在我需要兩個特徵的列表,那麼就需要將原字典中特徵遍歷出來並且一一對應。
轉化邏輯**如下:
這之中可以替換:
featuretable_after = list(featuretable.values())
全部**如下:
import pandas as pd
from collections import ordereddict
'''資料集預處理
'''featuretable = ordereddict()
labeltable = ordereddict()
featuretable_after =
labeltable_after = pd.dataframe(labeltable)
labeltable_end = labeltable_after.loc[:, '通過考試']
for k in featuretable.keys():
if k == '連續學習天數':
featuretable_after.insert(0, featuretable[k])
if k == '學習時間':
featuretable_after.insert(0, featuretable[k])
featuretable_end =
for i in range(0, len(featuretable_after[0])):
from sklearn.model_selection import train_test_split
'''資料集切分
'''x_train, x_test, y_train, y_test = train_test_split(featuretable_end, labeltable_end, test_size=.2)
from sklearn.linear_model import logisticregression
'''建立邏輯回歸模型
'''model = logisticregression(solver='liblinear')
model.fit(x_train,y_train)
print(model.predict_proba([[10.0, 9]]))
print(x_train)
:
[[8.5, 5], [7.5, 3], [9.5, 7], [7.0, 4], [9.0, 5], [8.25, 6], [6.0, 3], [10.0, 9], [9.25, 6], [7.25, 5], [10.25, 8], [6.5, 4], [7.75, 5], [5.75, 3], [6.75, 3], [8.0, 6]]
print(y_train)
:
13 09 016 1
7 014 1
12 1
2 018 1
15 1
8 119 1
4 010 1
1 05 0
11 0
name: 通過考試, dtype: int64
print(model.predict_proba([[10.0, 9]]))
:
[[0.04834103 0.95165897]]參考:python2.7中dict.values()+dict.values(),在python3.5中解決辦
python反轉列表解析 Python 列表
python 列表 python的列表物件是這個語言提供的最通用的序列.列表是乙個任意型別的物件的位置相關的有序集合,沒有固定大小.不像字串,其大小是可變的,通過對偏移量進行賦值及其各種方法進行呼叫,確實能夠修改列表的大小 1.序列操作 列表是序列的一種,支援所有對字串討論過的操作,唯一區別是其結果...
反轉列表 python實現
輸入 3,4,5,6,7,8,9 輸出 9,8,7,6,5,4,3 for i in range n 2 整除,7 2 為3,而range 3 為0,1,2 nums i nums n i 1 nums n 1 i nums i 分別為i 和 j print nums 其背後的思想為 雙指標 交換次...
python 字典 列表
dictionary 字典,是除列表以外,python中最靈活的資料型別。字典可以儲存多個資料,儲存相關的資訊 dict 字典使用鍵值對儲存資料,鍵值對鍵名和鍵值 鍵名 key 就是鍵索引 鍵值 value 是資料 鍵名和鍵值之間用 值可以是任何型別,鍵名只能是字串 數字,元組 列表是有序的集合 下...