7.逻辑回归实践

标签：mode   预测   分类   csv   size   rom   原因   回归   cti   

1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下）

答：防止过拟合：

通过特征选择，剔除一些不重要的特征，从而降低模型复杂度；检查业务逻辑，判断特征有效性，是否在用结果预测结果等；

如果还过拟合，那就看看是否使用了过度复杂的特征构造工程，比如，某两个特征相乘/除/加等方式构造的特征，不要这样做了，保持原特征。

正则化可以防止过拟合的原因：

通过降低模型复杂度，得到更小的泛化误差，降低过拟合程度。

2.用logiftic回归来进行实践操作，数据不限。

源代码：

print("201706120099，郑廷仁，软件1701")
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

#(1)
data = pd.read_csv(‘./data/LogisticRegression.csv‘)
x = data.iloc[:,1:]
y = data.iloc[:,0]
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2,random_state=5)

#(2)
LR_model = LogisticRegression()
#(3)
LR_model.fit(x_train,y_train)
#(4)
pre = LR_model.predict(x_test)
print(‘模型的正确率：‘,LR_model.score(x_test,y_test))
print(‘输出模型的分类报告：\n‘,classification_report(y_test,pre))

7.逻辑回归实践

标签：mode   预测   分类   csv   size   rom   原因   回归   cti   

原文地址：https://www.cnblogs.com/a132/p/12803318.html