python 逻辑回归——案例房屋用户画像是否拥有房屋预测

import pandas;

from pandas import read_csv;

data = read_csv(

'D:\\PDM\\4.4\\data.csv',

encoding='utf8'

)


data = data.dropna()

data.shape

dummyColumns = [

'Gender', 'Home Ownership',

'Internet Connection', 'Marital Status',

'Movie Selector', 'Prerec Format', 'TV Signal'

]#确定模糊变量的属性

for column in dummyColumns:

data[column]=data[column].astype('category')

dummiesData = pandas.get_dummies(

data,

columns=dummyColumns,

prefix=dummyColumns,

prefix_sep=" ",

drop_first=True

)#模糊变量的数据框的生成

data.Gender.unique()

dummiesData.columns

"""

博士后    Post-Doc

博士      Doctorate

硕士      Master's Degree

学士      Bachelor's Degree

副学士    Associate's Degree

专业院校  Some College

职业学校  Trade School

高中      High School

小学      Grade School

"""

educationLevelDict = {

'Post-Doc': 9,

'Doctorate': 8,

'Master\'s Degree': 7,

'Bachelor\'s Degree': 6,

'Associate\'s Degree': 5,

'Some College': 4,

'Trade School': 3,

'High School': 2,

'Grade School': 1

}

dummiesData['Education Level Map'] = dummiesData['Education Level'].map(educationLevelDict)#利用map函数确定模糊变量的层次

freqMap = {

'Never': 0,

'Rarely': 1,

'Monthly': 2,

'Weekly': 3,

'Daily': 4

}#确定等级,有点类似RMF中的分组分层。

dummiesData['PPV Freq Map'] = dummiesData['PPV Freq'].map(freqMap)

dummiesData['Theater Freq Map'] = dummiesData['Theater Freq'].map(freqMap)

dummiesData['TV Movie Freq Map'] = dummiesData['TV Movie Freq'].map(freqMap)

dummiesData['Prerec Buying Freq Map'] = dummiesData['Prerec Buying Freq'].map(freqMap)

dummiesData['Prerec Renting Freq Map'] = dummiesData['Prerec Renting Freq'].map(freqMap)

dummiesData['Prerec Viewing Freq Map'] = dummiesData['Prerec Viewing Freq'].map(freqMap)#确定以上这些属性的值的层次

dummiesData.columns

dummiesSelect = [

'Age', 'Num Bathrooms', 'Num Bedrooms', 'Num Cars', 'Num Children', 'Num TVs',

'Education Level Map', 'PPV Freq Map', 'Theater Freq Map', 'TV Movie Freq Map',

'Prerec Buying Freq Map', 'Prerec Renting Freq Map', 'Prerec Viewing Freq Map',

'Gender Male',

'Internet Connection DSL', 'Internet Connection Dial-Up',

'Internet Connection IDSN', 'Internet Connection No Internet Connection',

'Internet Connection Other',

'Marital Status Married', 'Marital Status Never Married',

'Marital Status Other', 'Marital Status Separated',

'Movie Selector Me', 'Movie Selector Other', 'Movie Selector Spouse/Partner',

'Prerec Format DVD', 'Prerec Format Laserdisk', 'Prerec Format Other',

'Prerec Format VHS', 'Prerec Format Video CD',

'TV Signal Analog antennae', 'TV Signal Cable',

'TV Signal Digital Satellite', 'TV Signal Don\'t watch TV'

]#自变量选择

inputData = dummiesData[dummiesSelect]

outputData = dummiesData[['Home Ownership Rent']]#因变量的确定

from sklearn import linear_model#导入线性模型

lrModel = linear_model.LogisticRegression()

lrModel.fit(inputData, outputData)

lrModel.score(inputData, outputData)#确定匹配得分

newData = read_csv(

'D:\\PDM\\4.4\\newData.csv',

encoding='utf8'

)#导入新的数据

for column in dummyColumns:

newData[column] = newData[column].astype(

'category',

categories=data[column].cat.categories

)#确定模糊类别

newData = newData.dropna()

newData['Education Level Map'] = newData['Education Level'].map(educationLevelDict)

newData['PPV Freq Map'] = newData['PPV Freq'].map(freqMap)

newData['Theater Freq Map'] = newData['Theater Freq'].map(freqMap)

newData['TV Movie Freq Map'] = newData['TV Movie Freq'].map(freqMap)

newData['Prerec Buying Freq Map'] = newData['Prerec Buying Freq'].map(freqMap)

newData['Prerec Renting Freq Map'] = newData['Prerec Renting Freq'].map(freqMap)

newData['Prerec Viewing Freq Map'] = newData['Prerec Viewing Freq'].map(freqMap)

dummiesNewData = pandas.get_dummies(

newData,

columns=dummyColumns,

prefix=dummyColumns,

prefix_sep=" ",

drop_first=True

)#处理模糊变量

inputNewData = dummiesNewData[dummiesSelect]

lrModel.predict(inputData)

#输出预测的结果。

虚拟变量(dummy variables)

虚拟变量,也叫哑变量和离散特征编码,可用来表示分类变量、非数量因素可能产生的影响。

① 离散特征的取值之间有大小的意义

例如:尺寸(L、XL、XXL)

离散特征的取值有大小意义的处理函数map

pandas.Series.map(dict)

参数 dict:映射的字典

② 离散特征的取值之间没有大小的意义

pandas.get_dummies

例如:颜色(Red,Blue,Green)

处理函数:

get_dummies(data,prefix=None,prefix_sep="_",dummy_na=False,columns=None,drop_first=False)

① data   要处理的DataFrame

② prefix 列名的前缀,在多个列有相同的离散项时候使用

③ prefix_sep 前缀和离散值的分隔符,默认为下划线,默认即可

④ dummy_na 是否把NA值,作为一个离散值进行处理,默认为不处理

⑤ columns 要处理的列名,如果不指定该列,那么默认处理所有列

⑥ drop_first 是否从备选项中删除第一个,建模的时候为避免共线性使用

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容