python训练模型测试模型_Python逻辑回归——建模-评估模型

学完线性回归，逻辑回归建模+评估模型的过程就相对好理解很多。其实就是换汤不换药。

逻辑回归不是回归算法，而是分类算法，准确来说，叫逻辑分类

逻辑分类本质上是二分分类，即分类结果标签只有两个

逻辑回归建模-评估模型的过程

如何建立有序的二维数据结构

1.字典是无序的，所以引入一个OrderedDict来让顺序变成有序

2.数据集转成Pandas的二维数据结构进行处理

如何实现逻辑回归

1.提取出特征和标签

提取出某一列：loc (根据索引进行提取)

2.建立训练数据和测试数据

从样本中随机的按比例选取训练数据（train）和测试数据（test）：

使用交叉验证(sklearn.model_selection)中的train_test_split

train_test_split三个参数：

第一个参数：所要划分的样本特征

第二个参数：所要划分的标签特征

第三个参数：train_size= (<0的小数：训练数据的占比 >0的整数:样本的数量)

x_train , x_test , y_train , y_test 各分配到一定比例的数据

3.使用训练数据训练模型

注意：sklearn要求输入的特征必须是二维数组的类型，但是因为我们目前只有1个特征，所以需要用安装错误提示用reshape转行成二维数组的类型

导入逻辑回归：使用sklearn.linear_model中的LogisticRegression

用LogisticRegression创建训练模型：model = LogisticRegre