Python의 로지스틱 회귀-요약

로지스틱 회귀는 이진 분류의 통계 기법입니다. 이 자습서에서는 로지스틱 회귀를 사용하도록 기계를 훈련하는 방법을 배웠습니다. 기계 학습 모델을 만들 때 가장 중요한 요구 사항은 데이터의 가용성입니다. 적절하고 관련성있는 데이터 없이는 단순히 기계를 학습하도록 만들 수 없습니다.

데이터가 있으면 다음 주요 작업은 데이터를 정리하고 원하지 않는 행과 필드를 제거하고 모델 개발에 적합한 필드를 선택하는 것입니다. 이 작업이 완료되면 분류자가 학습에 필요한 형식으로 데이터를 매핑해야합니다. 따라서 데이터 준비는 모든 기계 학습 응용 프로그램에서 중요한 작업입니다. 데이터가 준비되면 특정 유형의 분류자를 선택할 수 있습니다.

이 자습서에서는에 제공된 로지스틱 회귀 분류기를 사용하는 방법을 배웠습니다. sklearn도서관. 분류기를 훈련하기 위해 데이터의 약 70 %를 모델 훈련에 사용합니다. 나머지 데이터는 테스트에 사용합니다. 모델의 정확성을 테스트합니다. 허용 가능한 한도 내에 있지 않으면 새로운 기능 세트를 선택하는 단계로 돌아갑니다.

다시 한 번, 데이터 준비의 전체 ​​프로세스를 따르고, 모델을 훈련하고, 정확도에 만족할 때까지 테스트하십시오. 기계 학습 프로젝트를 시작하기 전에 지금까지 개발되어 업계에 성공적으로 적용된 다양한 기술을 배우고 이에 노출되어야합니다.