[기초] 분류분석 - 로지스틱회귀

https://teamsparta.notion.site/08d443adff404876b5dde2dc9ca57c63

머신러닝의 이해와 라이브러리 활용 기초 | Notion

 

https://teamsparta.notion.site/3-fe9d135d7f3441ab97bd71a4c224391c

3. 분류분석 - 로지스틱회귀 | Notion

 

 

https://www.kaggle.com/c/titanic/data

Titanic | Novice

 

 

 

 

pandas.pydata.org

 

pd.pivot_table(titaninc_df, index = 'Sex', columns = 'Survived',aggfunc='size')

 

 

 

- 정확도(Accuracy): 맞춘갯수 / 전체 데이터

- 생존을 맞춤

    - 여성은 다 살았을것이고, 남성은 모두 죽었을 것이다.

 

 

---

 

 

 

 

 

 

 

 

 

# X변수: Fare, Y변수: Survived

X_1 = titaninc_df[['Fare']]

y_true = titaninc_df[['Survived']]

 

 

반드시  괄호 2개 넣어야 에러 안 남.

 

from sklearn.metrics import accuracy_score, f1_score

def get_metrics(true, pred):

    print('정확도', accuracy_score(true, pred))

    print('f1-score', f1_score(true, pred))

 

평가지표 도  회귀에서처럼 metrics 안에 있음

 

 

죽을 확률 0.89, 살 확율 0.1 -> 0 (죽을 확률이 높을 때)

 죽을 확율 0.09,   살 확율 0.9 -> 1  (살 확률이 높을 때)

 

---

sklearn  버전 확인하기

 

회사입사하면 버전관리 꼭 확인하기 (sklearn 사이트에서)

 

• 로지스틱회귀
  • 장점: 역시 직관적이며 이해하기 쉽다.
  • 단점: 복잡한 비선형 관계를 모델링 하기 어려울 수 있음
  • Python 패키지
    • sklearn.linear_model.LogisticRegresson

 

 

 

선형회귀(회귀)

로지스틱회귀(분류)

Y(종속변수)	수치형	범주형
평가척도	Mean Square Error R Square(선형 회귀만)	Accuracy F1 - score
sklearn 모델 클래스	sklearn.linear_model.linearRegression	sklearn.linear_model.LogistricRegression
sklearn 평가 클래스	sklearn.metrics.mean_squared_error skelarn.metrics.r2_score	sklearn.metrics.accuracy_score skelearn.metrics.f1_score

 

 

 

숫자를 예측하는 회귀분석, 범주를 맞추는 분류분석에 대해서 배워보았어요.

그럼 이제 세상에 있는 모든 문제를 다 해결해 볼 수 있을까요?

 

대답은 No. 실제로 데이터의 모델링은 데이터 사이언스 업무의 아주 일부분이며, 대부분 데이터의 수집과 전처리에 아주 많은 시간을 쏟게 된답니다

 

 

Data cleansing 이슈가 제일 큼

 

 

숫자  선형회귀,  범주  로지스틱 회귀 까지 배움  

 

전처리에 대해 더 배울 예정~~