14、利用 Pandas 和 Scikit-Learn 进行特征转换与逻辑回归模型构建

利用 Pandas 和 Scikit-Learn 进行特征转换与逻辑回归模型构建

在数据科学和机器学习领域，为了构建有效的预测模型，我们需要对数据集进行一系列的处理，包括特征选择、特征编码、数据拆分以及模型训练和评估等。下面将详细介绍这些步骤。

特征选择

在处理客户流失数据集时，我们需要选择对预测客户流失有帮助的特征。有些特征可能对预测没有作用，或者与其他特征存在冗余，这些特征应该被移除。
- 移除无预测性和冗余特征 ：
- 像 gender 、 StreamingTV 、 StreamingMovies 这些列对预测 Churn 标签没有帮助， PhoneService 特征与 MultipleLines 特征存在冗余，因此需要移除。
- 可以使用 Pandas 的 drop() 函数来移除这些列，代码如下：

df_3 = df_2.copy()
df_3 = df_3.drop(columns=['gender','StreamingTV',
                          'StreamingMovies','PhoneService'])
df_3.columns

• 处理共线性问题 ：