《人工智能导论》实验2 基于逻辑回归的助学贷款还款风险预测.docxVIP

实验2基于逻辑回归的助学贷款还款风险预测

一、实验目的及要求

理解监督学习中分类任务的基本思想，能够区分分类任务与回归任务在目标形式上的差异。

掌握逻辑回归模型的核心原理，理解Sigmoid函数如何将线性得分映射到(0,1)区间以表示概率。

掌握分类任务的常用评价指标：准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数与混淆矩阵，并能够根据业务场景选择合适的指标。

理解分类阈值对模型决策的影响，能够根据“宁可多预警，也不漏掉高风险”等业务需求调整阈值。

树立负责任使用分类模型的意识，关注敏感特征可能带来的公平性与伦理风险。

二、实验学时

2学时（建议时间分配：讲解10分钟，任务实践80分钟，总结报告10分钟）

三、实验前准备

软件环境：Python3.8及以上，建议使用JupyterNotebook或VSCode。

依赖库：NumPy、Pandas、Matplotlib、scikit-learn。安装命令如下：

pipinstallnumpypandasmatplotlibscikit-learn

知识储备：已学习教材第4.3.1节（监督学习）与4.4.2节（逻辑回归），理解分类与回归的区别。

四、实验任务

任务1构造实验数据集（10分钟）

参考教材表4-7，构造一个助学贷款还