Regresi Logistik dengan Python - Memisahkan Data
Kami memiliki sekitar empat puluh satu ribu dan catatan aneh. Jika kami menggunakan seluruh data untuk pembuatan model, kami tidak akan ditinggalkan dengan data apa pun untuk pengujian. Jadi secara umum, kami membagi seluruh kumpulan data menjadi dua bagian, katakanlah 70/30 persentase. Kami menggunakan 70% data untuk pembuatan model dan sisanya untuk menguji akurasi dalam prediksi model yang kami buat. Anda dapat menggunakan rasio pemisahan yang berbeda sesuai kebutuhan Anda.
Membuat Fitur Array
Sebelum kita membagi datanya, kita pisahkan datanya menjadi dua array X dan Y. Larik X berisi semua fitur (kolom data) yang ingin kita analisis dan Larik Y adalah larik dimensi tunggal dari nilai boolean yang merupakan keluaran dari prediksi. Untuk memahami ini, mari kita jalankan beberapa kode.
Pertama, jalankan pernyataan Python berikut untuk membuat larik X -
In [17]: X = data.iloc[:,1:]
Untuk memeriksa isi X menggunakan headuntuk mencetak beberapa catatan awal. Layar berikut menunjukkan isi dari larik X.
In [18]: X.head ()
Array memiliki beberapa baris dan 23 kolom.
Selanjutnya, kita akan membuat larik keluaran yang berisi “y"Nilai.
Membuat Output Array
Untuk membuat array untuk kolom nilai yang diprediksi, gunakan pernyataan Python berikut -
In [19]: Y = data.iloc[:,0]
Periksa isinya dengan menelepon head. Output layar di bawah ini menunjukkan hasil -
In [20]: Y.head()
Out[20]: 0 0
1 0
2 1
3 0
4 1
Name: y, dtype: int64
Sekarang, pisahkan data menggunakan perintah berikut -
In [21]: X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state=0)
Ini akan membuat empat larik yang disebut X_train, Y_train, X_test, and Y_test. Seperti sebelumnya, Anda dapat memeriksa isi dari array ini dengan menggunakan perintah head. Kita akan menggunakan array X_train dan Y_train untuk melatih model kita dan array X_test dan Y_test untuk pengujian dan validasi.
Sekarang, kami siap membuat pengklasifikasi kami. Kami akan membahasnya di bab berikutnya.