100天机器学习(100-Days-Of-ML)day4,5,6提升版

本系列为100天机器学习学习笔记。详细请参考下方作者链接：
100天机器学习github:
https://github.com/MLEveryday/100-Days-Of-ML-Code

Day4,5,6–logistic regression

数据集 | 社交网络

该数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。一家汽车公司刚刚推出了他们新型的豪华SUV，我们尝试预测哪些用户会购买这种全新SUV。并且在最后一列用来表示用户是否购买。我们将建立一种模型来预测用户是否购买这种SUV，该模型基于两个变量，分别是年龄和预计薪资。因此我们的特征矩阵将是这两列。我们尝试寻找用户年龄与预估薪资之间的某种相关性，以及他是否购买SUV的决定。
接下来我会以和教程略有不同的方式解决这个问题。虽然略有改动，当然本质一样。在基础上做更多的分析。

步骤1 | 数据预处理
导入库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

导入数据集

data = pd.read_csv("Social_Network_Ads.csv")
data[:10]