逻辑回归之大学生录取预测8.22

任务要求：

根据数据集中大学生的两次考试成绩（gpa，gra）预测大学生能否被美国大学录取（admit=1表示录取，否则为不录取）。

大致思路：

（1）建立模型：采用sklearn中的逻辑回归模型，先进行数据训练，得出模型参数之后，再预测一下不同考试成绩的学生能否被录取

（2）评估模型：在模型评估中可以分别验证正例和负例的效果、测试ROC指标、交叉验证等等。其中交叉验证可以直接调用sklearn的库。

代码详解：

读入数据，因为数据没有列名，所以添加上列名，从数据可看到，分越高越可能被录取

import pandas as pd
import matplotlib.pyplot as plt
columns = ["gpa", "gre", "admit"]
admissions = pd.read_csv("C:\Anaconda\machine-leaning-data\grade-admit\grade-admit.txt",names=columns)
plt.scatter(admissions["gpa"], admissions["admit"])
plt.show()

sigmoid函数写法：在逻辑回归中，是通过sigmoid函数并确定一个阈值来预测学生有没有被录取，通过sigmoid函数将模型的得分值，映射到【0，1】，将得分值映射为概率值，概率值一般小于0.5的就是没有录取，大于0.5就是录取

#sigmoid函数
import numpy as np
#Logit Function
def logit(x):
    return np.exp(x)/(1+np.exp(x))  #sigmod函数，将模型的得分值，映射到[0,1]区间内 ,分值转换为概率值，按照概率来判断该学生能否被录取
x=np.linspace(-6,6,50,dtype=float)  #从x轴中取出了从-6到6的50个样本点，对应y轴的映射是float类型的
y=logit(x)#调用函数 
#画图看看sigmod函数的图像和效果
plt.plot(x,y)
plt.ylabel("Probalility")
plt.show()

 用逻辑回归模型训练数据，通过训练gpa和admit 找出内在关系，并用predict_proba预测录取的可能性.#predict_proba 这个函数是预测概率的，值是一个概率，而不是0/1这样确定的值.

from sklearn.linear_model import LogisticRegression