7.逻辑回归实践

1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下）

答：

①采用正则化的算法来防止过拟合；

还可以增加样本量；

通过特征选择，剔除一些不重要的特征，降低模型的复杂度；

②因为正则化可以降低模型复杂度。

 

2.用logiftic回归来进行实践操作，数据不限。

代码：

 1 from sklearn.linear_model import LogisticRegression #导入机器学习库中的逻辑回归模块
 2 
 3 x_data=[[8000,700000],  #月薪，购买房子的价格
 4         [10000,800000],
 5         [15000,1000000],
 6         [12000,1100000],
 7         [5000,600000],
 8         [20000,1500000]]
 9 y_data=[0,1,1,0,1,1]    #能否购买
10 
11 #创建模型
12 lr=LogisticRegression(solver='liblinear')
13 #训练模型
14 lr.fit(x_data,y_data)
15 #测试数据
16 x_test1=[[9000,820000]]
17 x_test2=[[6000,650000]]
18 x_test3=[[30000,2000000]]
19 #预测数据
20 print('1号能否支付房子的价格',lr.predict(x_test1)[0])
21 print('2号能否支付房子的价格',lr.predict(x_test2)[0])
22 print('3号能否支付房子的价格',lr.predict(x_test3)[0])

结果：

 

posted @ 2020-04-27 16:42  小罗伯特唐尼  阅读(138)  评论(0)    收藏  举报