Regresja logistyczna w Pythonie - dzielenie danych
Mamy około czterdziestu jeden tysięcy rekordów. Jeśli wykorzystamy całe dane do budowy modelu, nie pozostanie nam żadne dane do testowania. Więc ogólnie dzielimy cały zestaw danych na dwie części, powiedzmy 70/30 procent. 70% danych wykorzystujemy do budowy modeli, a resztę do testowania dokładności przewidywania stworzonego modelu. Możesz użyć innego współczynnika podziału zgodnie z wymaganiami.
Tworzenie tablicy funkcji
Zanim podzielimy dane, rozdzielamy dane na dwie tablice X i Y. Tablica X zawiera wszystkie cechy (kolumny danych), które chcemy przeanalizować, a tablica Y jest jednowymiarową tablicą wartości logicznych, która jest wynikiem przepowiednia. Aby to zrozumieć, uruchommy trochę kodu.
Najpierw wykonaj następującą instrukcję Pythona, aby utworzyć tablicę X -
In [17]: X = data.iloc[:,1:]
Aby zbadać zawartość X posługiwać się headwydrukować kilka wstępnych rekordów. Poniższy ekran przedstawia zawartość tablicy X.
In [18]: X.head ()
Tablica ma kilka wierszy i 23 kolumny.
Następnie utworzymy tablicę wyjściową zawierającą „y”Wartości.
Tworzenie tablicy wyjściowej
Aby utworzyć tablicę dla kolumny przewidywanej wartości, użyj następującej instrukcji Pythona -
In [19]: Y = data.iloc[:,0]
Sprawdź jego zawartość, dzwoniąc head. Poniższy ekran przedstawia wynik -
In [20]: Y.head()
Out[20]: 0 0
1 0
2 1
3 0
4 1
Name: y, dtype: int64
Teraz podziel dane za pomocą następującego polecenia -
In [21]: X_train, X_test, Y_train, Y_test = train_test_split(X, Y, random_state=0)
Spowoduje to utworzenie czterech tablic nazwanych X_train, Y_train, X_test, and Y_test. Tak jak poprzednio, możesz sprawdzić zawartość tych tablic, używając polecenia head. Będziemy używać tablic X_train i Y_train do uczenia naszego modelu oraz tablic X_test i Y_test do testowania i walidacji.
Teraz jesteśmy gotowi do zbudowania naszego klasyfikatora. Przyjrzymy się temu w następnym rozdziale.