|
先上大纲：
1.数据获取
2.数据处理（这里包括：2.1缺失值的处理、2.2特征值，目标值的确认、2.3分割数据
3.特征工程
4.机器学习（*逻辑回归*-对于事物的分类，结果会是介乎0-1之间的值。值得一提的是一般情况下现性回归的输出值会是逻辑回归的输入值，当线性回归的结果输出之后就对数据进行"sigmoid"运算得到逻辑回归的数据，通过我们设置的阈值作为标准将数据分为两类：算出的数据属于两类数据的哪一类之后与真实情况对比，计算精确率和精确率。
5.模型的评价
先上api：
from sklearn.linear_model import LogisticRegression
#有关pands和nummpy、数据分割的api、标准化的api我就不赘述，详情见day2的
这里所选的数据库是下面的有关乳腺癌良恶性的数据库
Index of /ml/machine-learning-databases/breast-cancer-wisconsin
names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape','Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin','Normal Nucleoli', 'Mitoses', 'Class']
data = pd.read_csv("https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data",names=names)
#数据的获取，和对数据的整理（非处理），只是用pandas把从网上获取到的数据加了几个标签“names”
?
# 数据处理
data = data.replace(to_replace"?", value=np.NaN)
data = data.dropna()
x = data.iloc[:,1:10]
y = data["Class"]
#数据分割
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=22)
# 特征工程
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 机器学习
estimator = LogisticRegression()
estimator.fit(x_train, y_train)
# 模型评估
estimator.score(x_test, y_test)
混淆矩阵：
混淆矩阵_百度百科
|