142 lines
4.3 KiB
Markdown
142 lines
4.3 KiB
Markdown
<p align="center">
|
||
<img src="https://github.com/MachineLearning100/100-Days-Of-ML-Code/blob/master/Info-graphs/Day%204.jpg?raw=true">
|
||
</p>
|
||
|
||
### 数据集 | 社交网络
|
||
|
||
<p align="center">
|
||
<img src="https://github.com/MachineLearning100/100-Days-Of-ML-Code/blob/master/Other%20Docs/data.png?raw=true">
|
||
</p>
|
||
|
||
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
|
||
#### 导入库
|
||
|
||
```python
|
||
import numpy as np
|
||
import matplotlib.pyplot as plt
|
||
import pandas as pd
|
||
```
|
||
|
||
#### 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
|
||
|
||
```python
|
||
dataset = pd.read_csv('Social_Network_Ads.csv')
|
||
X = dataset.iloc[:, [2, 3]].values
|
||
Y = dataset.iloc[:,4].values
|
||
```
|
||
|
||
#### 将数据集分成训练集和测试集
|
||
|
||
```python
|
||
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
|
||
|
||
```python
|
||
from sklearn.preprocessing import StandardScaler
|
||
sc = StandardScaler()
|
||
X_train = sc.fit_transform(X_train)
|
||
X_test = sc.transform(X_test)
|
||
```
|
||
|
||
### 步骤2 | 逻辑回归模型
|
||
|
||
该项工作的库将会是一个线性模型库，之所以被称为线性是因为逻辑回归是一个线性分类器，这意味着我们在二维空间中，我们两类用户（购买和不购买）将被一条直线分割。然后导入逻辑回归类。下一步我们将创建该类的对象，它将作为我们训练集的分类器。
|
||
|
||
#### 将逻辑回归应用于训练集
|
||
|
||
```python
|
||
from sklearn.linear_model import LogisticRegression
|
||
classifier = LogisticRegression()
|
||
classifier.fit(X_train, y_train)
|
||
```
|
||
|
||
### 步骤3 | 预测
|
||
|
||
#### 预测测试集结果
|
||
```python
|
||
y_pred = classifier.predict(X_test)
|
||
```
|
||
|
||
### 步骤4 | 评估预测
|
||
|
||
我们预测了测试集。 现在我们将评估逻辑回归模型是否正确的学习和理解。因此这个混淆矩阵将包含我们模型的正确和错误的预测。
|
||
|
||
#### 生成混淆矩阵
|
||
|
||
```python
|
||
from sklearn.metrics import confusion_matrix
|
||
cm = confusion_matrix(y_test, y_pred)
|
||
```
|
||
|
||
#### 可视化
|
||
|
||
```python
|
||
from matplotlib.colors import ListedColormap
|
||
X_set,y_set=X_train,y_train
|
||
X1,X2=np. meshgrid(np. arange(start=X_set[:,0].min()-1, stop=X_set[:, 0].max()+1, step=0.01),
|
||
np. arange(start=X_set[:,1].min()-1, stop=X_set[:,1].max()+1, step=0.01))
|
||
plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(),X2.ravel()]).T).reshape(X1.shape),
|
||
alpha = 0.75, cmap = ListedColormap(('red', 'green')))
|
||
plt.xlim(X1.min(),X1.max())
|
||
plt.ylim(X2.min(),X2.max())
|
||
for i,j in enumerate(np. unique(y_set)):
|
||
plt.scatter(X_set[y_set==j,0],X_set[y_set==j,1],
|
||
c = ListedColormap(('red', 'green'))(i), label=j)
|
||
|
||
plt. title(' LOGISTIC(Training set)')
|
||
plt. xlabel(' Age')
|
||
plt. ylabel(' Estimated Salary')
|
||
plt. legend()
|
||
plt. show()
|
||
|
||
X_set,y_set=X_test,y_test
|
||
X1,X2=np. meshgrid(np. arange(start=X_set[:,0].min()-1, stop=X_set[:, 0].max()+1, step=0.01),
|
||
np. arange(start=X_set[:,1].min()-1, stop=X_set[:,1].max()+1, step=0.01))
|
||
|
||
plt.contourf(X1, X2, classifier.predict(np.array([X1.ravel(),X2.ravel()]).T).reshape(X1.shape),
|
||
alpha = 0.75, cmap = ListedColormap(('red', 'green')))
|
||
plt.xlim(X1.min(),X1.max())
|
||
plt.ylim(X2.min(),X2.max())
|
||
for i,j in enumerate(np. unique(y_set)):
|
||
plt.scatter(X_set[y_set==j,0],X_set[y_set==j,1],
|
||
c = ListedColormap(('red', 'green'))(i), label=j)
|
||
|
||
plt. title(' LOGISTIC(Test set)')
|
||
plt. xlabel(' Age')
|
||
plt. ylabel(' Estimated Salary')
|
||
plt. legend()
|
||
plt. show()
|
||
```
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|