f1 score 代码_逻辑回归案例&Python代码

作者：码创造者 | 2024-08-12 04:59:42

踩

逻辑回归f1程序

逻辑回归基本原理：

参考：

mantch：看完这篇，逻辑回归80%都懂了zhuanlan.zhihu.com

（一）二分类

逻辑回归主要用于二分类问题，即分类结果只有0、1两种。

此处我们使用的练习数据集位sklearn库中datasets模块下的乳腺癌数据集，是经典的用于二分类任务的数据集。

该数据集各字段基本信息如下：

最后的class字段是分类字段，共有两种类别：Malignant表示恶性，Benign表示良性。

（1）先将乳腺癌数据集导出到本地，模拟真实场景。


#加载数据集
from sklearn.datasets import load_breast_cancer
import pandas as pd
features = pd.DataFrame(load_breast_cancer().data,columns=load_breast_cancer().feature_names)
label = pd.DataFrame(load_breast_cancer().target,columns = ['class'])
data = pd.concat([features,label],axis=1)
#讲数据写入到excel文件
path = 'C:UsersCaraDesktopbreast_cancer.xlsx'
data.to_excel(path,index = False)#不输出索引值

导出的文件如下：

（2）在sklearn中0、1标签已经打好，但是在真实场景中不会有这种虚拟标签，而是具有实际意义的类别。因此，我们需要手动替换class列的0为Benign，替换1为Malignant。

（3）导入修改后的excel文件，在数据框中添加一列，名为label列。class值为Benign的单元格对应的label为0，class值为Malignant的单元格对应的label为1。


#读入文件
m

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/码创造者/article/detail/967815