Logistic Regression ใน Python - การแยกข้อมูล

เรามีประวัติแปลก ๆ ประมาณสี่หมื่นหนึ่งพันรายการ หากเราใช้ข้อมูลทั้งหมดสำหรับการสร้างแบบจำลองเราจะไม่เหลือข้อมูลสำหรับการทดสอบ โดยทั่วไปเราแบ่งชุดข้อมูลทั้งหมดออกเป็นสองส่วนกล่าวคือ 70/30 เปอร์เซ็นต์ เราใช้ข้อมูล 70% สำหรับการสร้างโมเดลและส่วนที่เหลือเพื่อทดสอบความแม่นยำในการคาดคะเนของโมเดลที่เราสร้างขึ้น คุณสามารถใช้อัตราส่วนการแยกที่แตกต่างกันตามความต้องการของคุณ

การสร้างคุณสมบัติอาร์เรย์

ก่อนที่เราจะแยกข้อมูลเราแยกข้อมูลออกเป็นสองอาร์เรย์ X และ Y อาร์เรย์ X ประกอบด้วยคุณสมบัติทั้งหมด (คอลัมน์ข้อมูล) ที่เราต้องการวิเคราะห์และอาร์เรย์ Y คืออาร์เรย์มิติเดียวของค่าบูลีน การทำนาย เพื่อให้เข้าใจสิ่งนี้ให้เราเรียกใช้โค้ด

ประการแรกดำเนินการคำสั่ง Python ต่อไปนี้เพื่อสร้างอาร์เรย์ X -

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

เพื่อตรวจสอบเนื้อหาของ X ใช้ headเพื่อพิมพ์บันทึกเริ่มต้นสองสามรายการ หน้าจอต่อไปนี้แสดงเนื้อหาของอาร์เรย์ X

In [18]: X.head ()

อาร์เรย์มีหลายแถวและ 23 คอลัมน์

ต่อไปเราจะสร้างอาร์เรย์เอาต์พุตที่มี“y” ค่า

การสร้างอาร์เรย์เอาต์พุต

ในการสร้างอาร์เรย์สำหรับคอลัมน์ค่าที่ทำนายให้ใช้คำสั่ง Python ต่อไปนี้ -

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

ตรวจสอบเนื้อหาโดยการโทร head. ผลลัพธ์หน้าจอด้านล่างแสดงผลลัพธ์ -

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

ตอนนี้แยกข้อมูลโดยใช้คำสั่งต่อไปนี้ -

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

สิ่งนี้จะสร้างอาร์เรย์ทั้งสี่ที่เรียกว่า X_train, Y_train, X_test, and Y_test. ก่อนหน้านี้คุณสามารถตรวจสอบเนื้อหาของอาร์เรย์เหล่านี้ได้โดยใช้คำสั่ง head เราจะใช้อาร์เรย์ X_train และ Y_train สำหรับการฝึกโมเดลและอาร์เรย์ X_test และ Y_test สำหรับการทดสอบและตรวจสอบความถูกต้อง

ตอนนี้เราพร้อมที่จะสร้างลักษณนามของเราแล้ว เราจะมาดูกันในบทต่อไป