本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容，学习链接为：点我跳转

感谢各位的阅读

为什么突然学阿里
学习知识点概要
学习内容
- 1 逻辑回归的介绍和应用
- - 1.1逻辑回归的介绍
  - 1.2 逻辑回归的应用
- 2.基于鸢尾花（iris）数据集的逻辑回归分类实践
- - 鸢尾花有关的分析
  - 流程（最终实现代码不唯一）
  - - Step1:库函数导入
    - Step2:数据读取/载入
    - Step3:可视化描述
    - Step4:利用逻辑回归模型在二分类上进行训练和预测

为什么突然学阿里

我个人感觉，任何事物都有两面性，就和硬币一样。每个机器学习的网站都有不足以及自己的长处，我们不断学习各家之所长，提升自己的编程能力何尝不是一种享受。

学习知识点概要

逻辑回归的介绍和应用、代码流程、鸢尾花实列

学习内容

1 逻辑回归的介绍和应用

1.1逻辑回归的介绍

逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型
逻辑回归模型的优劣势:
优点： 实现简单，易于理解和实现；计算代价不高，速度很快，存储资源低；
缺点： 容易欠拟合，分类精度可能不高

1.2 逻辑回归的应用

逻辑回归模型广泛用于各个领域，包括机器学习，大多数医学领域和社会科学。例如，最初由Boyd 等人开发的创伤和损伤严重度评分（TRISS）被广泛用于预测受伤患者的死亡率，使用逻辑回归基于观察到的患者特征（年龄，性别，体重指数,各种血液检查的结果等）分析预测发生特定疾病（例如糖尿病，冠心病）的风险。逻辑回归模型也用于预测在给定的过程中，系统或产品的故障的可能性。还用于市场营销应用程序，例如预测客户购买产品或中止订购的倾向等。在经济学中它可以用来预测一个人选择进入劳动力市场的可能性，而商业应用则可以用来预测房主拖欠抵押贷款的可能性。条件随机字段是逻辑回归到顺序数据的扩展，用于自然语言处理。

2.基于鸢尾花（iris）数据集的逻辑回归分类实践

鸢尾花有关的分析

本次我们选择鸢花数据（iris）进行方法的尝试训练，该数据集一共包含5个变量，其中4个特征变量，1个目标分类变量。共有150个样本，目标变量为花的类别其都属于鸢尾属下的三个亚属，分别是山鸢尾 (Iris-setosa)，变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征，分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm)，这些形态特征在过去被用来识别物种。

流程（最终实现代码不唯一）

Step1:库函数导入

##  基础函数库
import numpy as np
import pandas as pd## 绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns

注意：这里，我就好奇，即然是库导入，为什么不一步到位，逻辑回归在sklearn里面吖。

Step2:数据读取/载入

我们利用 sklearn 中自带的 iris 数据作为数据载入，并利用Pandas转化为DataFrame格式

from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式

Step3:可视化描述

## 合并标签和特征信息
iris_all = iris_features.copy() ##进行浅拷贝，防止对于原始数据的修改
iris_all['target'] = iris_target
## 特征与标签组合的散点可视化
sns.pairplot(data=iris_all,diag_kind='hist', hue= 'target')
plt.show()

Step4:利用逻辑回归模型在二分类上进行训练和预测

这个我写过多次了，不进行赘述了。

龙珠训练营机器学习算法（一）学习笔记相关推荐

天池龙珠计划机器学习训练营机器学习基础知识学习笔记--Task03
天池龙珠计划机器学习训练营–Task03重点记录 LightGBM的介绍 LightGBM的主要优点: 简单易用.提供了主流的Python\C++\R语言接口,用户可以轻松使用LightGBM建模并获 ...
天池龙珠训练营-机器学习学习笔记-03 LightGBM 分类
天池龙珠训练营-机器学习学习笔记-03 LightGBM 分类本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:训练营一原理简介: 它是一款基于GBDT(梯度提升决策树)算法的 ...
龙珠训练营机器学习笔记task03
龙珠训练营机器学习笔记task03 本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:https://tianchi.aliyun.com/notebook-ai/detail?sp ...
龙珠训练营机器学习笔记
龙珠训练营机器学习笔记本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容,学习链接为:https://tianchi.aliyun.com/specials/promotion/aicampml ...
《基于张量网络的机器学习入门》学习笔记8(Shor算法)
<基于张量网络的机器学习入门>学习笔记8 Shor算法来源 Shor算法的大致流程因数分解周期求取与量子傅里叶变换(QFT) Shor算法来源 1994 1994 1994年,应用 ...
《机器学习实战》学习笔记（七）：利用AdaBoost 元算法提高分类性能
欢迎关注WX公众号:[程序员管小亮] [机器学习]<机器学习实战>读书笔记及代码总目录 https://blog.csdn.net/TeFuirnever/article/details ...
『ML』利用K-Means聚类算法对未标注数据分组——《机器学习实战》学习笔记（Ch10）
本节用Python实现K-Means算法,对未标注的数据进行聚类. 在做完聚类后,如何对于聚类结果进行评估?请看用Python实现聚类效果的评估(轮廓系数.互信息) 导航 K-Means简介代码实 ...
《基于张量网络的机器学习入门》学习笔记7
<基于张量网络的机器学习入门>学习笔记7 量子算法什么是量子算法三个经典量子算法 Grover算法背景基本原理例题量子算法什么是量子算法例如我们求解一个问题,一个111千克 ...
台湾大学林轩田机器学习技法课程学习笔记4 -- Soft-Margin Support Vector Machine
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了Kernel SVM.先将特征转换和计算内积这两个步骤合并起来,简化计算.提高计算速度,再用Dual SVM的求解方法来解决. ...

龙珠训练营机器学习算法（一）学习笔记