logistic 迴歸 - Python 中的總結

logistic 迴歸是一種二元分類的統計技術。在本教程中，您學習瞭如何訓練機器使用 logistic 迴歸。建立機器學習模型時，最重要的要求是資料的可用性。沒有充足且相關的資料，您無法簡單地讓機器學習。

一旦有資料，您的下一個主要任務是清理資料，消除不需要的行和欄位，併為您的模型開發選擇合適的欄位。完成後，您需要將資料對映到訓練所需分類器的所需格式。因此，資料準備是任何機器學習應用程式中的一個主要任務。一旦準備好資料，就可以選擇特定型別的分類器。

在本教程中，您學習瞭如何使用 sklearn 庫中提供的 logistic 迴歸分類器。為了訓練分類器，我們使用約 70% 的資料來訓練模型。我們使用其餘的資料進行測試。我們測試模型的準確性。如果不在可接受的範圍內，我們將返回選擇新的特徵集。

再一次，遵循準備資料、訓練模型和測試模型的整個過程，直到您對模型的準確性滿意為止。在進行任何機器學習專案之前，您必須學習並接觸到迄今為止已開發並且已成功應用於業界的各種技術。