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）

　　逻辑回归是通过正则化防止过拟合；当我们有很多特征变量时，其中每一个变量都能对预测产生一点影响。正如我们在房价预测的例子中看到的那样，我们可以有很多特征变量，其中每一个变量都是有用的，因此我们不希望把它们删掉，而正则化可以保留所有的特征变量的前提下，同时减小特征变量的数量级，由此可以在一定程度上减少过拟合情况。

2.用logiftic回归来进行实践操作，数据不限。

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

data = pd.read_csv('log426.csv')
x = data.iloc[:,1:5]
y = data.iloc[:,3]
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3)


# 构建逻辑回归预测
gg = LogisticRegression()
gg.fit(x_train,y_train)   # 训练模型
pre = gg.predict(x_test)
print('模型正确率：',gg.score(x_test,y_test))
print('模型召回率：\n',classification_report(y_test,pre))

输出结果：