पाइथन में लॉजिस्टिक रिग्रेशन - स्प्लिटिंग डेटा

हमारे पास लगभग इकतालीस हजार और विषम रिकॉर्ड हैं। यदि हम मॉडल निर्माण के लिए संपूर्ण डेटा का उपयोग करते हैं, तो हमें परीक्षण के लिए किसी भी डेटा के साथ नहीं छोड़ा जाएगा। इसलिए आमतौर पर, हम पूरे डेटा को दो भागों में विभाजित करते हैं, कहते हैं 70/30 प्रतिशत। हम मॉडल निर्माण के लिए 70% डेटा का उपयोग करते हैं और बाकी हमारे बनाए मॉडल की भविष्यवाणी में सटीकता का परीक्षण करने के लिए करते हैं। आप अपनी आवश्यकता के अनुसार एक अलग विभाजन अनुपात का उपयोग कर सकते हैं।

ऐरे बनाना

डेटा को विभाजित करने से पहले, हम डेटा को दो सरणियों X और Y में अलग करते हैं। X सरणी में वे सभी विशेषताएं (डेटा कॉलम) हैं, जिनका हम विश्लेषण करना चाहते हैं और Y सरणी बूलियन मानों का एकल आयामी सरणी है जो आउटपुट है भविष्यवाणी। इसे समझने के लिए, हम कुछ कोड चलाते हैं।

सबसे पहले, एक्स सरणी बनाने के लिए निम्नलिखित पायथन कथन को निष्पादित करें -

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

की सामग्री की जांच करने के लिए X उपयोग headकुछ प्रारंभिक रिकॉर्ड मुद्रित करने के लिए। निम्न स्क्रीन एक्स सरणी की सामग्री को दिखाती है।

In [18]: X.head ()

सरणी में कई पंक्तियाँ और 23 स्तंभ हैं।

अगला, हम आउटपुट एरे को बनाएंगेyमान।

आउटपुट सरणी बनाना

अनुमानित मूल्य स्तंभ के लिए एक सरणी बनाने के लिए, निम्नलिखित पायथन कथन का उपयोग करें -

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

कॉल करके इसकी सामग्री की जाँच करें head। नीचे दिया गया स्क्रीन आउटपुट परिणाम दिखाता है -

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

अब, निम्नलिखित कमांड का उपयोग करके डेटा को विभाजित करें -

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

यह नामक चार सरणियों का निर्माण करेगा X_train, Y_train, X_test, and Y_test। पहले की तरह, आप हेड कमांड का उपयोग करके इन सरणियों की सामग्री की जांच कर सकते हैं। हम अपने मॉडल के प्रशिक्षण के लिए X_train और Y_train सरणियों का उपयोग करेंगे और परीक्षण और सत्यापन के लिए X_test और Y_test सरणियों का उपयोग करेंगे।

अब, हम अपना क्लासिफायर बनाने के लिए तैयार हैं। हम अगले अध्याय में इस पर गौर करेंगे।