Régression logistique en Python - Résumé

La régression logistique est une technique statistique de classification binaire. Dans ce didacticiel, vous avez appris à entraîner la machine à utiliser la régression logistique. En créant des modèles d'apprentissage automatique, l'exigence la plus importante est la disponibilité des données. Sans données adéquates et pertinentes, vous ne pouvez pas simplement faire apprendre la machine.

Une fois que vous avez des données, votre prochaine tâche principale consiste à nettoyer les données, à éliminer les lignes et les champs indésirables et à sélectionner les champs appropriés pour le développement de votre modèle. Après cela, vous devez mapper les données dans un format requis par le classificateur pour son apprentissage. Ainsi, la préparation des données est une tâche majeure dans toute application d'apprentissage automatique. Une fois que vous êtes prêt avec les données, vous pouvez sélectionner un type particulier de classificateur.

Dans ce didacticiel, vous avez appris à utiliser un classificateur de régression logistique fourni dans le sklearnbibliothèque. Pour former le classificateur, nous utilisons environ 70% des données pour entraîner le modèle. Nous utilisons le reste des données pour les tests. Nous testons la précision du modèle. Si ce n'est pas dans les limites acceptables, nous revenons à la sélection du nouvel ensemble de fonctionnalités.

Encore une fois, suivez tout le processus de préparation des données, entraînez le modèle et testez-le jusqu'à ce que vous soyez satisfait de sa précision. Avant de vous lancer dans un projet d'apprentissage automatique, vous devez apprendre et vous familiariser avec une grande variété de techniques qui ont été développées jusqu'à présent et qui ont été appliquées avec succès dans l'industrie.