python基础逻辑回归、重塑数据形状‌及相关准确值和预测值

‌举个栗子🌰

假设你有一个包含用户信息的表格数据（如 CSV 文件），结构如下表1.1：（判断用户“是否会购买”这个问题）                     

                                                               表1.1

一、算法测试

划分特征X于y（字段名：是否会购买）

X = data[’预估薪资’]，y = data['是否会购买']‌

‌1. 代码意义‌

这两行代码的作用是 ‌从数据集中提取特征变量（X）和目标变量（y）‌，为机器学习模型的训练和预测做准备。

• ‌X = data['预估薪资']‌：
  从数据集 data 中提取名为 预估薪资 的列作为 ‌特征（Feature）‌，即模型的输入变量。例如，用户的收入水平可能影响其购买决策。

• ‌y = data['是否会购买']‌：
  从数据集 data 中提取名为 是否会购买 的列作为 ‌目标（Target）‌，即模型的输出变量。这是一个二分类标签（如“是”或“否”），表示用户最终是否购买了产品。

‌2. 使用场景‌

• ‌监督学习任务‌：通过历史数据（特征 X 和标签 y）训练模型，预测新用户的购买行为。
• ‌分类模型‌：如逻辑回归、决策树、随机森林等，用于解决“是否会购买”这类二分类问题。

‌3. 用法步骤 

‌(1) 数据准备，如表1.1‌

‌(2) 提取特征和目标‌

import pandas as pd

# 加载数据集（假设 data 是 DataFrame）

data = pd.read_csv("user_data.csv")

# 提取特征（X）和目标（y）

X = data['预估薪资'] # 一维特征（薪资）

y = data['是否会购买'] # 二分类目标（是/否）

‌(3) 数据预处理‌

• ‌目标变量编码‌：将“是/否”转换为数值（1/0）。

  y = y.map({'是': 1, '否': 0}) # 转换为 1 和 0

• ‌特征工程‌：如果使用单个特征（薪资）效果不佳，可以添加其他特征（如年龄、性别）。

  X = data[['预估薪资', '年龄', '性别']] # 多特征

• X['性别'] = X['性别'].map({'男': 1, '女': 0}) # 性别编码

‌(4) 训练模型‌

以逻辑回归为例：

‌4. 完整代码示例

5. 重塑数据形状‌

 ‌1. 代码

• ‌reshape(-1, 1)‌：
  将数据从 ‌一维数组‌（例如 [1, 2, 3, 4]）转换为 ‌二维数组‌（例如 [, , , ]），即每个样本作为一个行向量。

  • ‌-1‌ 表示自动计算该维度的大小（总样本数不变）。
  • ‌1‌ 表示每个样本有 1 个特征（单变量数据）。

• ‌.values‌：
  如果 X_train 或 X_test 是 Pandas DataFrame 或 Series，.values 会将其转换为 NumPy 数组。

‌2. 使用场景‌

当你的数据是 ‌单变量（只有 1 个特征）‌，但模型要求输入为二维数组时，必须进行此操作。例如：

• ‌Scikit-learn 模型‌（如 LinearRegression、SVM）要求输入形状为 (n_samples, n_features)。
• 若直接使用一维数据会报错：ValueError: Expected 2D array, got 1D array instead。

‌示例数据

‌3. 用法示例‌

‌(1) 数据准备

‌(2) 重塑数据形状

‌(3) 训练模型

重塑数据形状‌总结‌

• ‌用途‌：将一维数据转换为二维，满足模型输入要求。
• ‌核心方法‌：reshape(-1, 1)。
• ‌适用场景‌：单变量数据（如时间序列预测、单特征回归/分类）。

6. 注意事项‌

1. ‌特征维度‌：

   • 单个特征（如薪资）需用 .reshape(-1, 1) 转为二维数组（(n_samples, 1)）。
   • 多特征（如薪资+年龄+性别）直接使用 data[['列1', '列2']] 提取即可。

2. ‌数据维度检查‌：
   使用 X_train.shape 确认数据形状，避免不必要的重塑：

3. ‌‌不要滥用 reshape‌：

   • 如果数据本身就是二维的（例如多变量数据），无需此操作。
   • 错误使用会破坏数据结构，例如将 (100, 2) 强行转为 (200, 1)。

4. ‌数据类型‌：

   • 确保特征为数值型（如薪资、年龄），非数值型数据（如性别）需编码（如男=1，女=0）。

5. ‌分类平衡‌：

   • 如果“是”和“否”样本数量差异大（如 90% 是“否”），模型可能偏向多数类，需使用过采样（如 SMOTE）或调整类别权重。

     6.‌Pandas 与 NumPy 转换‌：
           1.如果数据已经是 NumPy 数组，直接使用 .reshape()，无需 .values：

              X_train = X_train.reshape(-1, 1)

     7.多变量数据‌：
          1. 如果数据是多变量（例如 (n_samples, 3)），无需额外处理，直接输入模型即可。

‌总结‌

• ‌代码核心目的‌：为机器学习模型准备输入（X）和输出（y）数据。
• ‌典型应用‌：用户行为预测、市场营销分析等二分类问题。
• ‌扩展性‌：可添加更多特征（如年龄、浏览历史）提升模型效果。‌