#X와 y를 분리한다
y = df['Purchased'] => 물건을 구매할지 안할지의 정보를 y에 저장
X= df.iloc[ :, 2:3+1 ] => 나머지 데이터를 X에 저장한다
# 로지스틱 리그레션은, 피쳐 스케일링을 하자!!
정규화 OR 표준화를 해줌으로써 피쳐 스케일링을 해주도록 한다.
그다음 Test용과 Traing 용을 따로 만들어 주어 변수에 저장해준다
LogisticRegression은 위에 과정대로 입력을 받아서 해당 데이터가 어느 클래스에 속할 확률을 예측해주는 방법이다
'Machine Learning' 카테고리의 다른 글
[Machine Learning]머신러닝의 KNN 알고리즘(K-Nearest Neighbor) (0) | 2024.04.15 |
---|---|
[Machine Learning]머신러닝의Confusion Matrix 및accuracy_score 사용 (0) | 2024.04.15 |
[Machine Learing]머신러닝의 데이터 전처리과정(3)선형회(LinearRegression) (0) | 2024.04.14 |
[Machine Learing]머신러닝의 데이터 전처리과정(2)(Feature Scaling,Training,Test) (0) | 2024.04.14 |
[Machine Learing]머신러닝의 데이터 전처리과정(1)(Label Encoding,One Hot Encoding) (0) | 2024.04.14 |