从疝气病病症预测病马的死亡率（逻辑回归）

本文主要是介绍从疝气病病症预测病马的死亡率（逻辑回归），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

写在前面： 我是「虐猫人薛定谔i」，一个不满足于现状，有梦想，有追求的00后
$\quad$
本博客主要记录和分享自己毕生所学的知识，欢迎关注，第一时间获取更新。
$\quad$
不忘初心，方得始终。
$\quad$

❤❤❤❤❤❤❤❤❤❤

数据预处理

数据集来自2010年1月11日的UCI机器学习数据库
该数据集存在的主要问题就是部分数据缺失，因此，在数据预处理阶段，我们主要解决此问题。
如何处理数据中的缺失值呢？

在数据预处理阶段，我们主要做两件事，第一件是用实数0来替换所有缺失值，第二件是对数据类别标签缺失的数据进行丢弃操作。

数据集如下所示
在这里插入图片描述

在这里插入图片描述

使用Logistic回归方法进行分类时，我们需要把测试集上的每个特征向量乘以最优化方法得到的回归系数，再将该乘积的结果求和，最后喂给Sigmoid函数即可。
如果对应的sigmoid值大于0.5，就预测类别标签为1，否则为0。

在这里插入图片描述

import numpy as np# 使用逻辑回归来预测病马的死亡率def sigmoid(inX):"""sigmoid函数"""

这篇关于从疝气病病症预测病马的死亡率（逻辑回归）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！