andre/100-Days-Of-ML-Code
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

format the file

Browse Source
This commit is contained in:
goelo
2018-08-08 20:40:38 +08:00
parent 94050c0c4b
commit 3fbcba6ca6
1 changed files with 2 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files

3
Code/Day 6_Logistic_Regression.md
View File

@ -2,6 +2,7 @@
### 数据集 | 社交网络 ### 数据集 | 社交网络
![](https://github.com/MachineLearning100/100-Days-Of-ML-Code/blob/master/Other%20Docs/data.png?raw=true) ![](https://github.com/MachineLearning100/100-Days-Of-ML-Code/blob/master/Other%20Docs/data.png?raw=true)
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。 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。
### 步骤1 | 数据预处理 ### 步骤1 | 数据预处理
@ -14,7 +15,7 @@ import pandas as pd
``` ```
#### 导入数据集 #### 导入数据集
![这里](https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Social_Network_Ads.csv)获取数据集 [这里](https://github.com/Avik-Jain/100-Days-Of-ML-Code/blob/master/datasets/Social_Network_Ads.csv)获取数据集
```python ```python
dataset = pd.read_csv('Social_Network_Ads.csv') dataset = pd.read_csv('Social_Network_Ads.csv')