数据分析逻辑回归基于逻辑回归的学生考试分析下61课件讲解.pptxVIP

数据分析-逻辑回归-基于逻辑回归的学生考试分析（下）

任务描述任务描述：通过逻辑回归模型对学生的考试情况进行分析。主要内容：1.逻辑回归算法的多元逻辑回归2.逻辑回归算法的分类评估方法3.逻辑回归算法的ROC曲线绘制

基于逻辑回归的学生考试分析关键步骤讲解导入必要的Python库创建数据集数据集划分进行预测评估预测结果创建并训练逻辑回归模型

导入必要的Python库1、首先需要针对该任务，导入所有使用到的python库。importnumpyasnpimportpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportconfusion_matrix,classification_report

创建数据集2、创建用于测试的数据集，如果有数据集，可以导入直接进行计算。#创建一个包含100个学生的数据集，包括学习时间和是否通过考试（0表示未通过，1表示通过）data={Hours_Studied:[2.5,3,4.5,6,2,8,2.7,6.5,8.5,9,1.5,3.4,7.8,2.3,5.2,8.9,7,3,5.5,5.9]*5,Passed:[0,0,0,1,0,1,0,1,1,1,0,0,1,0,1,1,1,0,1,1]*5}#将数据转换为DataFramedata=pd.DataFrame(data)#分离特征X和目标yX=data[[Hours_Studied]]y=data[Passed]

数据集划分3、在数据集产生之后，需要按照合适的比例进行划分，便于后续进行检测。X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.25,random_state=42)

创建并训练逻辑回归模型4、创建合适的模型，这里选用逻辑回归算法来支撑，然后将数据传入进行训练。logistic_regression=LogisticRegression()logistic_regression.fit(X_train,y_train)

进行预测5、使用训练后的数据集进行分析预测。y_pred=logistic_regression.predict(X_test)

评估预测结果6、使用拆分出的数据集对于模型进行评估。print(confusion_matrix(y_test,y_pred))#混淆矩阵print(classification_report(y_test,y_pred))#分类评估报告

任务小结基于逻辑回归的学生考试分析导入必要的Python库创建数据集进行预测创建并训练逻辑回归模型评估预测结果数据集划分