目录

一、导入第三方库

二、数据预处理

2.1 读取数据

 2.2 划分特征集合标签集

三、建立模型 

3.1 对训练集中的数据再次划分

 3.2 用 test 数据进行验证

PS: 

---

作为一个机器学习未入门的小白，要先老老实实的做一个调包侠。

一、导入第三方库

import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split

二、数据预处理

2.1 读取数据

txt数据是比较“纯净”

data_train = pd.read_csv("horseColicTraining.txt",header=None,sep='\s+')
data_test = pd.read_csv("horseColicTest.txt",header=None,sep='\s+')
data_train[:10]

2.2 划分特征集合标签集

# 对 horseColicTraining 中的数据划分
data_train_feature = np.array(data_train)[:,0:21]
data_train_labels = np.array(data_train)[:,21]
# 对 horseColicTest 中的数据划分
data_test_feature = np.array(data_test)[:,:21]
data_test_labels = np.array(data_test)[:,21]

三、建立模型 

3.1 对训练集中的数据再次划分

X_train,X_test,y_train,y_test = train_test_split(data_train_feature,data_train_labels,random_state= 22,test_size = 0.4)


model = LogisticRegression()
model.fit(X_train,y_train)
y_pre = model.predict(X_test)
print(model.score(X_test,y_test))

 3.2 用 test 数据进行验证

model.predict(data_test_feature)
print(model.score(data_test_feature,data_test_labels))

#  运行结果：0.746268656716418

PS: 

LogisticRegression()函数中，还有很多参数，但是作为一个小白，还没有完全弄明白。以后涉及到了在梳理吧。

LogisticRegression(
    penalty='l2',
    *,
    dual=False,
    tol=0.0001,
    C=1.0,
    fit_intercept=True,
    intercept_scaling=1,
    class_weight=None,
    random_state=None,
    solver='lbfgs',
    max_iter=100,
    multi_class='auto',
    verbose=0,
    warm_start=False,
    n_jobs=None,
    l1_ratio=None,
)