实验目的

实验步骤

逻辑回归的基本概念

逻辑回归的优缺点
优点：

实现简单，广泛的应用于工业问题上；
分类时计算量非常小，速度很快，存储资源低；
便利的观测样本概率分数；
对逻辑回归而言，多重共线性并不是问题，它可以结合L2正则化来解决该问题；
计算代价不高，易于理解和实现；
缺点：

当特征空间很大时，逻辑回归的性能不是很好；
容易欠拟合，一般准确度不太高
不能很好地处理大量多类特征或变量；
只能处理两分类问题（在此基础上衍生出来的softmax可以用于多分类），且必须线性可分；
对于非线性特征，需要进行转换；

查准率和查全率和F1-score：
通过计算可得：
算法1的查准率和查全率和F1-score分别为：0.95 0.975 0.96
算法2的查准率和查全率和F1-score分别为：0.91 1 0.95
所以我认为算法1更加优秀。

第7周--逻辑回归案例练习相关推荐

【机器学习】逻辑回归案例一：保险与年龄之间关系分析
逻辑回归案例一:保险与年龄之间关系分析逻辑回归案例一:保险与年龄之间关系分析 1 数据加载 2 数据切分 3 模型创建与应用 4 逻辑回归和线性回归关系手动反爬虫,禁止转载: 原博地址 https ...
【机器学习】逻辑回归案例二：鸢尾花数据分类，决策边界绘制逐步代码讲解
逻辑回归案例二:鸢尾花数据分类,决策边界绘制逐步代码讲解 1 数据加载 2 数据EDA 3 模型创建及应用 3.1 数据切分 3.2 创建模型与分类 3.3 决策边界绘制 3.3.1 二分类决策边界绘 ...
验证码识别逻辑回归案例
应用案例本案例利用逻辑回归实现验证码中数字识别第一步:生成验证码图片训练集 from PIL import Image from PIL import ImageDraw from PIL imp ...
模型建模流程及逻辑回归案例
预测性模型预测性建模基于用户历史信息去预测其将来的行为,从而为市场策略提供一定参考逻辑/线性回归模型是帮助提高营销活动一个主要工具,能针对用户实现精准营销建立模型 step-wise:向前,向后 ...
sklearn逻辑回归案例分析《良/恶性乳腺癌肿瘤预测》
由于对逻辑回归等算法做到深刻理解有点难,目前还在学习中,尽管有现成的模型库,我们还是需要对模型的底层实现有一个了解.这里先记录一下如何利用sklearn的LogisticRegression来做一个简 ...
【机器学习】：sklearn逻辑回归案例分析《良/恶性乳腺癌肿瘤预测》
由于对逻辑回归等算法做到深刻理解有点难,目前还在学习中,尽管有现成的模型库,我们还是需要对模型的底层实现有一个了解.这里先记录一下如何利用sklearn的LogisticRegression来做一个简 ...
吴恩达第三周逻辑回归
分类问题我们尝试预测的是结果是否属于某一个类(例如正确或错误) 分类举例判断一封电子邮件是否是垃圾邮件判断一次金融交易是否是欺诈判断一个肿瘤是恶性的还是良性的考查二元分类问题我们将因变量( ...
斯坦福大学(吴恩达) 机器学习课后习题详解第三周逻辑回归
测试题都比较简单,好好看视频吧知乎: https://zhuanlan.zhihu.com/albertwang 微信公众号:AI-Research-Studio 下面是赞赏码
python机器学习案例系列教程——逻辑分类/逻辑回归LR/一般线性回归（softmax回归）
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程线性函数.线性回归参考:http://blog.csdn.net/luanpeng825485697/article/details ...

第7周--逻辑回归案例练习

第7周--逻辑回归案例练习

实验目的

实验步骤

第7周--逻辑回归案例练习相关推荐

最新文章

热门文章