【一周算法实践集训】_【模型构建】_baseline

Datawhale

于 2018-12-08 20:51:39 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏：一周集训

本文链接：https://blog.youkuaiyun.com/Datawhale/article/details/84898831

一周集训专栏收录该内容

1 篇文章

订阅专栏

本文介绍了如何使用Python的pandas和sklearn库进行数据预处理，包括读取CSV文件、划分训练集和测试集，以及利用逻辑回归模型进行预测并评估模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

读取数据

import pandas as pd
data_all = pd.read_csv('data_all.csv',encoding='gbk')  # encoding='gbk' 解决编码问题

划分数据集

# 划分训练集测试集
from sklearn.model_selection import train_test_split
features = [x for x in data_all.columns if x not in ['status']]
X = data_all[features]
y = data_all['status']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3,random_state=2018)

构建模型

# 逻辑回归模型
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression(random_state =2018)
lr.fit(X_train, y_train)

模型评分

lr.score(X_test,y_test)
# 0.7484232655921513