Regressão Logística em Python - Resumo

A regressão logística é uma técnica estatística de classificação binária. Neste tutorial, você aprendeu como treinar a máquina para usar a regressão logística. Na criação de modelos de aprendizado de máquina, o requisito mais importante é a disponibilidade dos dados. Sem dados adequados e relevantes, você não pode simplesmente fazer a máquina aprender.

Depois de ter os dados, sua próxima tarefa principal é limpar os dados, eliminar as linhas e campos indesejados e selecionar os campos apropriados para o desenvolvimento do seu modelo. Depois de fazer isso, você precisa mapear os dados em um formato exigido pelo classificador para seu treinamento. Assim, a preparação de dados é uma tarefa importante em qualquer aplicativo de aprendizado de máquina. Quando estiver pronto com os dados, você pode selecionar um tipo específico de classificador.

Neste tutorial, você aprendeu como usar um classificador de regressão logística fornecido no sklearnbiblioteca. Para treinar o classificador, usamos cerca de 70% dos dados para treinar o modelo. Usamos o resto dos dados para teste. Testamos a precisão do modelo. Se isso não estiver dentro dos limites aceitáveis, voltamos a selecionar o novo conjunto de recursos.

Mais uma vez, siga todo o processo de preparação dos dados, treine o modelo e teste-o até ficar satisfeito com sua precisão. Antes de iniciar qualquer projeto de aprendizado de máquina, você deve aprender e ter contato com uma ampla variedade de técnicas que foram desenvolvidas até agora e que foram aplicadas com sucesso na indústria.