机器学习07- 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）

 利用正则化来防止过拟合。正则化可以有更小的权值w，从某种意义上说，表示网络的复杂度更低，对数据的拟合刚刚好

2.用logiftic回归来进行实践操作，数据不限。

 1 from sklearn.linear_model import LogisticRegression  #回归API
 2 from sklearn.model_selection import train_test_split
 3 from sklearn.metrics import classification_report
 4 import pandas as pd
 5 
 6 data = pd.read_csv('./data/LogisticRegression.csv')  #(1)加载数据集
 7 x_data = data.iloc[:,1:]   #所有行，1到3列
 8 y_data = data.iloc[:,0]    #所有行，下标为0列
 9 x_train,x_test,y_train,y_test = train_test_split(x_data,y_data,test_size=0.2,random_state=5)#(2)划分训练集和测试集
10 
11 model_LR = LogisticRegression() #(3)构建模型并训练模型
12 model_LR.fit(x_train,y_train)
13 
14 y_pre = model_LR.predict(x_test)  #(4)进行模型预测
15 print("录取情况预测值：",y_pre)
16 print("录取情况真实值：",y_test)
17 print('分类报告：\n', classification_report(y_test,y_pre))