Logistic回归简介-最常见的分类算法
整个世界都是一个大数据问题。如今，我们可以看到数据科学家，统计学家和大数据分析人员有很多机会。您必须折磨数据，数据将打开并承认所有您想知道的信息！但是拥有足够的数据来进行预测吗？没有！为了做出预测，必须清理，分析，可视化，测试和训练数据。
另外，要进行预测，必须绘制所需的图，检查数据的分布方式，这些数字说明了什么，它们足以进行预测吗？一次，您可以使用多种方法处理数据，这将帮助您实现目标。因此，让我们看看如何处理数据并得出预测性输出！
在本文中，我们将看到一种称为“回归”的监督学习算法。在回归中，有一些子类别，例如线性回归，多元回归和逻辑回归。今天，我们将讨论逻辑回归。
什么是回归？
简而言之，它是统计学中的一个概念：一种变量（例如输出）的平均值与其他变量的对应值之间的关系的量度。
什么是Logistic回归？
Logistic回归是用于统计数据的数学模型，用于使用一些先前的数据来估计（猜测）事件发生的可能性。Logistic回归适用于事件发生（1）或事件不发生（0）的二进制数据。
我们将使用的数据集是关于心脏病的。我们将使用这些数据，您将在此处获取数据集：  数据集
首先，我们需要导入将在模型创建中使用的库。另外，我们将通过添加.csv文件的路径来导入数据集。添加数据后，使用dataframe.head（）命令打印数据集的前5行。
将numpy导入为np
将熊猫作为pd导入
导入matplotlib.pyplot作为plt
数据集= pd.read_csv（'../ input / logistic-regression-heart-disease-prediction / framingham_heart_disease.csv'）＃添加数据
#print第1 5行数据集.head
（）
头
在玩任何游戏之前，我们必须了解详细信息和规则。同样，在处理数据之前，我们必须了解其详细信息和预测模型的规则。现在我们知道所有列，让我们看看这些属性的数据类型是什么，以及每列中有多少个空值。
dataset.isnull（）。sum（）
数据集
Logistic回归-缺少值
Logistic回归-数据类型
在这个游戏中，我们将使用这些属性中存在的数据来预测心脏病患者。你怎么看？教育对了解一个人的健康重要吗？当然不！对？因此，我们将删除该列。另外，某些列中存在许多缺失值，因此我们将删除这些列，并且如果没有这些列，则可以进行预测。
您认为这个数据游戏是如此简单吗？好吧，不！您是否观察到Cigsperday列？您不认为这对我们的预测会有帮助吗？是！本专栏非常重要。但是，如何处理那些缺失的价值呢？如果缺少一两张牌，您在打牌时会怎么做？我们用小丑卡代替这些卡，对吗？因此，这里我们将这些缺失值替换为平均值。
数据= dataset.drop（[''education'，'BPMeds'，'totChol'，'BMI'，'葡萄糖'，'heartRate']，轴='columns'）
data.head（）
香烟=数据['cigsPerDay']
香烟.head（）
CIG =香烟。平均值（）
逻辑回归-导入数学
您是否观察了最后一栏？有值1或0。这使我们的数据标记为data。
那么，相关值和独立值是什么？
＃此数据被标记为数据
＃独立变量（X）将为年龄，估计工资＃独立
变量（y）将为Purcahsed（这将是可能的）
＃定义X，y
X = dataset.iloc [:
y = dataset.iloc [:
#print X，y
打印（X [：5，：]）
打印（y [：5]）
现在，该测试和训练数据了！
从sklearn #import train_test_split训练和测试我们的数据
从sklearn.model_selection导入train_test_split
#define
X_train，X_test，y_train，y_test = train_test_split（X，y，test_size = 0.25，random_state = 0）
#print
print（X_train [：5]，' \ n '，' \ n '，y_train [：5]，' \ n '，' \ n '，X_test [：5]，' \ n '，' \ n '，y_test [：5]）
#create LogisticRegression类的对象称为分类器
从sklearn.linear_model导入LogisticRegression
分类器= LogisticRegression（random_state = 0）
classifier.fit（X_train，y_train）
y_pred = classifier.predict（X_test）
打印
混淆矩阵有点混乱吧？别担心！我们将拟合数据并打印分数。
X = data [['male'，'age'，'currentSmoker'，'cigsPerDay'，'prevalentStroke'，'prevalentHyp'，'diabetes'，'sysBP'，'diaBP']]
y =数据['TenYearCHD']
从sklearn.model_selection导入train_test_split
X_train，X_test，y_train，y_test = train_test_split（X，y，test_size = 0.20，random_state = 99）
从sklearn.linear_model导入LogisticRegression
模型= LogisticRegression（）
model.fit（X_train，y_train）
model.score（X_test，y_test）
这个分数是.86！它告诉我们我们的预测是非常好的。您可以通过更改随机状态来检查分数。因此，我们的预测得分不错，因此赢得了比赛！
题库