logistic 回归 - Python 中的总结

logistic 回归是一种二元分类的统计技术。在本教程中，您学习了如何训练机器使用 logistic 回归。创建机器学习模型时，最重要的要求是数据的可用性。没有充足且相关的数据，您无法简单地让机器学习。

一旦有数据，您的下一个主要任务是清理数据，消除不需要的行和字段，并为您的模型开发选择合适的字段。完成后，您需要将数据映射到训练所需分类器的所需格式。因此，数据准备是任何机器学习应用程序中的一个主要任务。一旦准备好数据，就可以选择特定类型的分类器。

在本教程中，您学习了如何使用 sklearn 库中提供的 logistic 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。我们使用其余的数据进行测试。我们测试模型的准确性。如果不在可接受的范围内，我们将返回选择新的特征集。

再一次，遵循准备数据、训练模型和测试模型的整个过程，直到您对模型的准确性满意为止。在进行任何机器学习项目之前，您必须学习并接触到迄今为止已开发并且已成功应用于业界的各种技术。