9、二元分类中的特征工程与逻辑回归模型构建

二元分类中的特征工程与逻辑回归模型构建

1. 数据驱动的特征工程

在进行下游特征工程步骤之前，查看数据类型（如分类或数值）并得出汇总统计信息是快速了解数据的好方法。以下是查看数据类型和描述性统计信息的示例代码：

import pandas as pd
file_url = 'https://raw.githubusercontent.com/PacktWorkshops/The-Data-Science-Workshop/master/Chapter03/bank-full.csv'
bankData = pd.read_csv(file_url, sep=";")

# 查看数据类型
print(bankData.dtypes)
# 查看描述性统计信息
print(bankData.describe())

描述性摘要的目的是快速了解数据的分布和一些基本统计信息，如均值和标准差。对汇总统计信息有一个清晰的认识，对于思考每个变量需要进行何种转换至关重要。例如，在之前的练习中，我们根据分位数将数值数据转换为分类变量。

2. 相关矩阵与可视化

相关系数是衡量两个变量如何一起波动的指标。相关值为 1 或接近 1 表示这些变量高度相关。高度相关的变量有时会损害模型的准确性，在许多情况下，我们会决定消除这些变量或将它们组合成复合或交互变量。

2.1 练习：使用银行数据查找数据中的相关性并生成相关图

以下是完成此练习的步骤：
1. 打开一个新的 Colab 笔记本，安装 pandas 包并加载银行数据：

<