構建迴歸模型

邏輯迴歸是指用於預測分類因變數的機率的機器學習演算法。在邏輯迴歸中，因變數是二進位制變數，由編碼為 1 的資料組成（真和假的布林值）。

在本章中，我們將重點介紹使用連續變數在 Python 中開發迴歸模型。線性迴歸模型的示例將重點介紹 CSV 檔案的資料探索。

分類目標是預測客戶是否將訂閱定期存款（1/0）。

import pandas as pd
import numpy as np
from sklearn import preprocessing
import matplotlib.pyplot as plt

plt.rc("font", size=14)
from sklearn.linear_model import LogisticRegression
from sklearn.cross_validation import train_test_split

import seaborn as sns
sns.set(style="white")
sns.set(style="whitegrid", color_codes=True)
data = pd.read_csv('bank.csv', header=0)
data = data.dropna()
print(data.shape)
print(list(data.columns))

按照以下步驟在具有“Jupyter Notebook”的 Anaconda Navigator 中實現上述程式碼−

步驟 1−使用 Anaconda Navigator 啟動 Jupyter Notebook。

步驟 2−上傳 csv 檔案以獲得迴歸模型的輸出，方式系統化。

步驟 3−建立一個新檔案並執行上述程式碼行以獲得預期輸出。