Python 中的逻辑回归 - 总结

逻辑回归是一种二元分类的统计技术。 在本教程中，您了解了如何训练机器使用逻辑回归。 创建机器学习模型，最重要的要求是数据的可用性。 如果没有足够的相关数据，您就无法实现让机器学习。

获得数据后，下一个主要任务是清理数据，消除不需要的行、字段，并为模型开发选择合适的字段。 完成此操作后，您需要将数据映射为分类器训练所需的格式。 因此，数据准备是任何机器学习应用程序中的主要任务。 准备好数据后，您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 库中提供的逻辑回归分类器。 为了训练分类器，使用了大约 70% 的数据来训练模型。 使用剩下的数据进行测试。 测试模型的准确性。 如果这不在可接受的范围内，将返回选择新的功能集。

再次遵循准备数据、训练模型和测试的整个过程，直到您对其准确性感到满意为止。 在开始任何机器学习项目之前，您须学习并接触迄今为止已开发并在行业中成功应用的各种技术。