【逻辑回归预测 算法评价】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

• 前言
• 一、pandas是什么？
• 二、使用步骤
  • 1.引入库
  • 2.读入数据
• 总结

。

代码如下（示例）：

import pandas as pd
import numpy as np
from sklearn import model_selection
from sklearn import metrics
from sklearn.linear_model import LogisticRegression

代码如下（示例）：

filename='bankloan.xls'
data=pd.read_excel(filename)
print(data.shape)
x=data.iloc[:,[1,2,4,5,6]]
y=data.iloc[:,8]

从原始数据中选取一半进行训练，另一半进行数据测试

代码如下（示例）：

x_train,x_test,y_train,y_test = model_selection.train_test_split(x,y,test_size = 0.1,random_state = 9)
print(x_train)
print(x_test)
print(y_train)
print(y_test)
lr = LogisticRegression()
lr.fit(x_train,y_train)
print(u'逻辑回归模型训练结束。')

print(u'模型的平均正确率为：%s'% lr.score(x_train,y_train))
y_pred = lr.predict(x_test)#预测Y值
print(y_pred)
print(y_test.shape)#查看测试结果
print(metrics.confusion_matrix(y_test,y_pred))#查看混淆矩阵
print(metrics.classification_report(y_test,y_pred))#评估报告
print("测试集的正确率：n",lr.score(x_test,y_test))