Logistic Regression ใน Python - สรุป

Logistic Regression เป็นเทคนิคทางสถิติของการจำแนกไบนารี ในบทช่วยสอนนี้คุณได้เรียนรู้วิธีฝึกเครื่องให้ใช้การถดถอยโลจิสติกส์ การสร้างโมเดลแมชชีนเลิร์นนิงข้อกำหนดที่สำคัญที่สุดคือความพร้อมใช้งานของข้อมูล หากไม่มีข้อมูลที่เพียงพอและเกี่ยวข้องคุณไม่สามารถทำให้เครื่องเรียนรู้ได้

เมื่อคุณมีข้อมูลแล้วภารกิจหลักถัดไปของคุณคือการล้างข้อมูลกำจัดแถวฟิลด์ที่ไม่ต้องการและเลือกฟิลด์ที่เหมาะสมสำหรับการพัฒนาโมเดลของคุณ หลังจากเสร็จสิ้นคุณจะต้องแมปข้อมูลเป็นรูปแบบที่ลักษณนามกำหนดสำหรับการฝึกอบรม ดังนั้นการเตรียมข้อมูลจึงเป็นงานหลักในแอปพลิเคชันแมชชีนเลิร์นนิง เมื่อคุณพร้อมกับข้อมูลแล้วคุณสามารถเลือกลักษณนามประเภทใดประเภทหนึ่งได้

ในบทช่วยสอนนี้คุณได้เรียนรู้วิธีใช้ลักษณนามการถดถอยโลจิสติกที่มีให้ในไฟล์ sklearnห้องสมุด. ในการฝึกลักษณนามเราใช้ข้อมูลประมาณ 70% ในการฝึกโมเดล เราใช้ข้อมูลที่เหลือในการทดสอบ เราทดสอบความถูกต้องของแบบจำลอง หากไม่อยู่ในขอบเขตที่ยอมรับได้เราจะกลับไปเลือกชุดคุณสมบัติใหม่

ทำตามขั้นตอนทั้งหมดในการเตรียมข้อมูลฝึกโมเดลและทดสอบอีกครั้งจนกว่าคุณจะพอใจกับความแม่นยำ ก่อนที่จะทำโครงการแมชชีนเลิร์นนิงใด ๆ คุณต้องเรียนรู้และสัมผัสกับเทคนิคต่างๆมากมายซึ่งได้รับการพัฒนาจนถึงปัจจุบันและได้นำไปใช้ในอุตสาหกรรมได้สำเร็จ