Logistic Regression In Python 简明教程

逻辑回归是一种二元分类的统计技术。在本教程中，你学习了如何训练机器使用逻辑回归。创建机器学习模型时，最重要的要求是数据可用性。如果没有足够且相关的数据，就不能让机器学习。

一旦有了数据，你的下一个主要任务是清理数据，消除不需要的行、字段，并选择适合模型开发的字段。完成后，你需要将数据映射到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程序的主要任务。一旦准备好了数据，就可以选择特定类型的分类器。

在本教程中，你学习了如何使用 sklearn 库中提供的逻辑回归分类器。为了训练分类器，我们使用约 70% 的数据来训练模型。我们使用剩余的数据进行测试。我们测试模型的准确性。如果这不在可接受的范围内，我们会重新选择新的特征集。

再次按照准备数据、训练模型和测试它等整个过程进行操作，直到你对它的准确性满意为止。在开始任何机器学习项目之前，你必须学习和接触到目前为止已开发并已在行业中成功应用的各种技术。