美国研究生录取预测（逻辑回归）

研究生录取预测：逻辑回归实战

最新推荐文章于 2023-04-18 05:29:21 发布

原创

最新推荐文章于 2023-04-18 05:29:21 发布 · 2.2k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #大数据 #数据分析 #数据挖掘

本文使用Python的numpy、pandas和statsmodels等库，分析来自http://www.ats.ucla.edu的数据集，探讨GRE成绩、GPA和学校排名等因素如何影响研究生录取。通过逻辑回归模型，揭示了各因素对录取概率的影响。

文章目录

使用的工具包

numpy
pandas
statsmodels
pylab

数据集介绍

本次使用的数据来源于http://www.ats.ucla.edu。
研究目标是辨别不同因素对研究生录取的影响。
在这里插入图片描述
数据的第一列是admit，表示是否被录取，有两个值，0和1，其中0表示没有被录取，1表示被录取，显然，这又是一个二分类问题。
数据的第二列是学生的gre（美国研究生入学考试）成绩。
数据的第三列是学生的gpa（学分绩点）。
最后一列是学生的学校的排名。

数据的初步统计结果

在这里插入图片描述

            admit         gre         gpa   prestige
count  400.000000  400.000000  400.000000  400.00000
mean     0.317500  587.700000    3.389900    2.48500
std      0.466087  115.516536    0.380567    0.94446
min      0.000000  220.000000    2.260000    1.00000
25%      0.000000  520.000000    3.130000    2.00000
50%      0.000000  580.000000    3.395000    2.00000
75%      1.000000  660.000000    3.670000    3.00000
max      1.000000  800.000000    4.000000    4.00000
admit         0.466087
gre         115.516536
gpa           0.380567
prestige      0.944460
dtype: float64
prestige   1   2   3   4
admit                   
0         28  97  93  55
1         33  54  28  12

虚拟变量并处理数据

在这里插入图片描述

# 将prestige设置为虚拟变量
dummy_ranks = pd.get_dummies

最低0.47元/天解锁文章