Hồi quy logistic trong Python - Tách dữ liệu

Chúng tôi có khoảng bốn mươi mốt bản ghi lẻ. Nếu chúng tôi sử dụng toàn bộ dữ liệu để xây dựng mô hình, chúng tôi sẽ không còn lại bất kỳ dữ liệu nào để thử nghiệm. Vì vậy, nói chung, chúng tôi chia toàn bộ tập dữ liệu thành hai phần, giả sử 70/30 phần trăm. Chúng tôi sử dụng 70% dữ liệu để xây dựng mô hình và phần còn lại để kiểm tra độ chính xác trong dự đoán của mô hình đã tạo của chúng tôi. Bạn có thể sử dụng một tỷ lệ tách khác theo yêu cầu của bạn.

Tạo mảng tính năng

Trước khi chúng tôi chia dữ liệu, chúng tôi tách dữ liệu thành hai mảng X và Y. Mảng X chứa tất cả các tính năng (cột dữ liệu) mà chúng tôi muốn phân tích và mảng Y là mảng một chiều gồm các giá trị boolean là đầu ra của Dự đoán. Để hiểu điều này, chúng ta hãy chạy một số mã.

Đầu tiên, hãy thực thi câu lệnh Python sau để tạo mảng X:

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

Để kiểm tra nội dung của X sử dụng headđể in một vài bản ghi ban đầu. Màn hình sau đây hiển thị nội dung của mảng X.

In [18]: X.head ()

Mảng có một số hàng và 23 cột.

Tiếp theo, chúng tôi sẽ tạo mảng đầu ra chứa “y”.

Tạo mảng đầu ra

Để tạo một mảng cho cột giá trị dự đoán, hãy sử dụng câu lệnh Python sau:

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

Kiểm tra nội dung của nó bằng cách gọi head. Màn hình đầu ra bên dưới hiển thị kết quả:

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

Bây giờ, hãy chia nhỏ dữ liệu bằng lệnh sau:

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

Điều này sẽ tạo ra bốn mảng được gọi là X_train, Y_train, X_test, and Y_test. Như trước đây, bạn có thể kiểm tra nội dung của các mảng này bằng cách sử dụng lệnh head. Chúng tôi sẽ sử dụng các mảng X_train và Y_train để đào tạo mô hình của chúng tôi và các mảng X_test và Y_test để kiểm tra và xác thực.

Bây giờ, chúng tôi đã sẵn sàng xây dựng bộ phân loại của mình. Chúng ta sẽ xem xét nó trong chương tiếp theo.