【逻辑回归的特征筛选方法】
数据特征如下
使用逻辑回归的稳定性选择

import pandas as pd import numpy as np import pyecharts import xlrd # with open(r'F:\数据分析专用\数据分析与机器学习\bankloan.xls', 'rb') as f: file = r'F:\数据分析专用\数据分析与机器学习\bankloan.xls' data = pd.read_excel(file) # print(data.head()) x = data.iloc[:, :8].values # print(x) y = data.iloc[:, 8].values # print(y) from sklearn.linear_model import LogisticRegression as LR from sklearn.linear_model import RandomizedLogisticRegression as RLR rlr = RLR() rlr.fit(x, y) rlr.get_support() validate_feature = data.iloc[:, :8] print(u'有效特征为:%s' % ','.join(validate_feature.columns[rlr.get_support()])) x = data[validate_feature.columns[rlr.get_support()]].values lr = LR() lr.fit(x, y) print(u'模型的平均正确率:%s' % lr.score(x, y))
Win a contest, win a challenge
posted on 2018-10-12 11:34 pandaboy1123 阅读(3119) 评论(0) 编辑 收藏 举报
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 没有源码,如何修改代码逻辑?
· PowerShell开发游戏 · 打蜜蜂
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战