Logistic Regression In Python 简明教程
Logistic Regression in Python - Restructuring Data
每当某个组织进行调查时,他们尝试从顾客那里收集尽可能多的信息,其设想是这些信息可以以这种或另一种方式对组织在未来某个时刻有用。要解决当前问题,我们必须找出与我们的问题直接相关的信息。
Displaying All Fields
现在,让我们看看该如何选择对我们有用的数据字段。在代码编辑器中运行以下语句。
In [6]: print(list(df.columns))
您将看到以下输出 −
['age', 'job', 'marital', 'education', 'default', 'housing', 'loan',
'contact', 'month', 'day_of_week', 'duration', 'campaign', 'pdays',
'previous', 'poutcome', 'emp_var_rate', 'cons_price_idx', 'cons_conf_idx',
'euribor3m', 'nr_employed', 'y']
输出显示数据库中所有列的名称。最后一列“y”是布尔值,表示该顾客在银行是否存有定期存款。该字段的值可能是“y”或“n”。您可以在下载的数据中作为银行名称.txt文件的一部分下载每个列的描述和用途。
Eliminating Unwanted Fields
在检查列名称时,您将知道某些字段与当前问题无关。例如,诸如 month, day_of_week 、campaign 等字段对我们毫无用处。我们将从数据库中去掉这些字段。要删除列,可以使用下降命令,如下所示:
In [8]: #drop columns which are not needed.
df.drop(df.columns[[0, 3, 7, 8, 9, 10, 11, 12, 13, 15, 16, 17, 18, 19]],
axis = 1, inplace = True)
该命令表示删除列编号 0、3、7、8 等。要确保正确选择索引,请使用以下语句:
In [7]: df.columns[9]
Out[7]: 'day_of_week'
这会打印给定索引的列名称。
在删除不需要的列之后,使用 head 语句检查数据。屏幕输出如下所示:
In [9]: df.head()
Out[9]:
job marital default housing loan poutcome y
0 blue-collar married unknown yes no nonexistent 0
1 technician married no no no nonexistent 0
2 management single no yes no success 1
3 services married no no no nonexistent 0
4 retired married no yes no success 1
现在,我们只剩下我们觉得对我们的数据分析和预测很重要的字段了。 Data Scientist 的重要性在这一步骤中很明显。数据科学家必须选择合适的列来构建模型。
例如,虽然乍看之下 job 的类型并不能让所有人都相信有必要将其包含在数据库中,但它将是一个非常有用的字段。并非所有类型的顾客都会开定期存款。低收入人群可能不会开定期存款,而高收入人群通常会将多余的钱存入定期存款。因此,在这个场景中,职业类型变得非常重要。同样,仔细选择您认为对您的分析有用的列。
在下一章中,我们将准备数据以构建模型。