Python 中的逻辑回归 - 拆分数据

我们有大约 41,000 条记录。如果我们使用整个数据进行模型构建，将不会留下任何数据进行测试。所以一般来说，我们将整个数据集分成两部分，比如 70/30 百分比。我们将 70% 的数据用于模型构建，其余数据用于测试我们创建的模型的预测准确性。您可以根据需要使用不同的数据集。

创建特征数组

在拆分数据之前，我们将数据分成两个数组 X 和 Y。X 数组包含要分析的所有特征（数据列），Y 数组是布尔值的一维数组，它是预测的输出。为了理解这一点，让我们运行一些代码。

首先，执行以下 Python 语句创建 X 数组 −

In [17]: X = data.iloc[:,1:]

要检查 X 的内容，请使用 head 打印一些初始记录。以下屏幕显示了 X 数组的内容。

In [18]: X.head ()

数组有几行和 23 列。

接下来，我们将创建包含"y"值的输出数组。

要为预测值列创建数组，请使用以下 Python 语句 −

In [19]: Y = data.iloc[:,0]

通过调用 head 检查其内容。下面的屏幕输出显示了结果 −

In [20]: Y.head()
Out[20]: 0   0
1    0
2    1
3    0
4    1
Name: y, dtype: int64

现在，使用以下命令拆分数据 −

In [21]: X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state=0)

这将创建名为 X_train、Y_train、X_test 和 Y_test 的四个数组。和以前一样，您可以使用 head 命令检查这些数组的内容。我们将使用 X_train 和 Y_train 数组来训练我们的模型，并使用 X_test 和 Y_test 数组进行测试和验证。

现在，我们准备构建我们的分类器。我们将在下一章研究它。