【机器学习个人笔记】part5——用sklearn实现逻辑回归_逻辑回归自己的数据集 sklearn-优快云博客

本文链接：https://blog.youkuaiyun.com/ycarry2017/article/details/84923456

本文是机器学习个人笔记第五部分，通过sklearn实现逻辑回归预测用户是否购买SUV。数据预处理后，构建逻辑回归模型，得到89%的准确率。并介绍了混淆矩阵的概念和应用，用于评估模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【机器学习个人笔记】part5——用sklearn实现逻辑回归

逻辑回归虽然名字是“回归”，但实际是“分类“，如图所示就是最简单的逻辑回归：

实例：

场景：根据用户的年龄、薪水来预测其是否购买SUV

数据集：

简单分析一下这个数据集，第一列是用户id，第二列是用户性别，本次实验不考虑这两个特征。我们希望通过根据用户的年龄和薪水预测用户是否会购买SUV，根据预测结果对用户进行针对性推销。那么age和salary将是我们自变量X，purchased则是我们的因变量y。

代码：

数据预处理（导入标准库，导入数据集，分割训练集和测试集，特征缩放）

# 导入标准库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 导入数据集
dataset = pd.read_csv("Social_Network_Ads.csv")
X = dataset.iloc[:,[2,3]].values
y = dataset.iloc[:,-1].values

# 分割训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state = 0)

# 特征缩放
from sklearn.preprocessing import StandardScaler
sc_x = Sta