代码示例

显示部分数据

import numpy as np  # 导入numpy包
import pandas as pd  # 导入pandas库
# 1.数据读取
df_heart = pd.read_csv("../input/heart-disease/heart.csv")   # 读取文件
df_heart.head()     # 显示前五行数据

df_heart.target.value_counts()     # 输出分类值及各个类别数目

1 165

0 138

Name: target, dtype: int64

# 对显示年龄/最大心率两个特征与是否患病之间的关系
import matplotlib.pyplot as plt    # 导入绘图工具
# 年龄 + 最大心率 作为输入，查看分类结果散点图
plt.scatter(x=df_heart.age[df_heart.target==1],
           y=df_heart.thalach[df_heart.target==1], c="red")

plt.scatter(x=df_heart.age[df_heart.target==0],
           y=df_heart.thalach[df_heart.target==0], marker="^")

plt.legend(["Disease", "No Disease"])   # 显示图例
plt.xlabel("Age")   # x轴标签
plt.ylabel("Heart Rate")   # y轴标签
plt.show()  # 显示散点图

# 调用逻辑回归函数训练机器
loss_history, weight_history, bias_history = logistic_regression(X_train, y_train, weight, bias, alpha, iterations)

Output exceeds the size limit. Open the full output data in a text editor

轮次: 1 当前轮训练集损失: 0.6698072081866441

轮次: 2 当前轮训练集损失: 0.6441357015045888

轮次: 3 当前轮训练集损失: 0.6217225572201343

轮次: 4 当前轮训练集损失: 0.6020047939937195

轮次: 5 当前轮训练集损失: 0.5846004197913068

轮次: 6 当前轮训练集损失: 0.5691802153339961

轮次: 7 当前轮训练集损失: 0.5554626339278943

轮次: 8 当前轮训练集损失: 0.5432083414568926

轮次: 9 当前轮训练集损失: 0.5322145949254381

轮次: 10 当前轮训练集损失: 0.5223099138040177

轮次: 11 当前轮训练集损失: 0.5133492722518356

轮次: 12 当前轮训练集损失: 0.5052098949044318

轮次: 13 当前轮训练集损失: 0.49778765499909156

轮次: 14 当前轮训练集损失: 0.4909940300120578

轮次: 15 当前轮训练集损失: 0.4847535511142182

轮次: 16 当前轮训练集损失: 0.4790016781187627

轮次: 17 当前轮训练集损失: 0.4736830345323378

轮次: 18 当前轮训练集损失: 0.4687499438076212

轮次: 19 当前轮训练集损失: 0.4641612156208906

轮次: 20 当前轮训练集损失: 0.45988113871759656

轮次: 21 当前轮训练集损失: 0.45587864397137

轮次: 22 当前轮训练集损失: 0.45212660754001593

轮次: 23 当前轮训练集损失: 0.4486012693266089

轮次: 24 当前轮训练集损失: 0.4452817464155596

轮次: 25 当前轮训练集损失: 0.4421496248472059

...

轮次: 499 当前轮训练集损失: 0.32685224520496237

轮次: 500 当前轮训练集损失: 0.32682730315068426

训练最终损失: 0.32682730315068426

逻辑回归训练准确率: 85.95%