Logistic-regression-in-python-summary

Pythonでのロジスティック回帰-まとめ

ロジスティック回帰は、バイナリ分類の統計的手法です。 このチュートリアルでは、ロジスティック回帰を使用するようにマシンをトレーニングする方法を学びました。 機械学習モデルを作成する場合、最も重要な要件はデータの可用性です。 適切で適切なデータがなければ、単に機械を学習させることはできません。

データを取得したら、次の主なタスクはデータをクレンジングし、不要な行、フィールドを削除し、モデル開発に適切なフィールドを選択することです。 これが完了したら、データをトレーニングのために分類器が必要とする形式にマップする必要があります。 したがって、データの準備は、機械学習アプリケーションの主要なタスクです。 データの準備ができたら、特定の種類の分類子を選択できます。

このチュートリアルでは、 sklearn ライブラリーで提供されるロジスティック回帰分類器の使用方法を学びました。 分類器をトレーニングするために、モデルのトレーニングにデータの約70％を使用します。 残りのデータはテストに使用します。 モデルの精度をテストします。 これが許容範囲内にない場合、新しい機能セットの選択に戻ります。

繰り返しますが、データの準備プロセス全体を実行し、モデルをトレーニングして、その精度に満足するまでテストします。 機械学習プロジェクトを開始する前に、これまでに開発され、業界で成功裏に適用されているさまざまな技術を学び、経験する必要があります。