Python數據分析項目

——學生成績預測

一．數據源

阿里云天池公開數據集：學生成績預測數據集

https://tianchi.aliyun.com/dataset/dataDetail?dataId=6785

特征(Features)介紹：

• Gender: 性別
• Nationality: 國籍
• PlaceofBirth：出生地
• StageID：學校級別（小學，中學，高中）
• GradeID：年級 (G01 - G12)
• SectionID: 班級
• Topic：學科科目
• Semester: 學期 （春學期，秋學期）
• Relation: 孩子家庭教育負責人（父親，母親）
• RaisedHands: 學生該學期上課舉手的次數
• VisitedResources: 學生瀏覽在線課件的次數
• AnnoucementsView: 學生瀏覽學校公告的次數
• Discussion: 學生參與課堂討論的次數
• ParentAnsweringSurvey: 家長是否填寫了關于學校的問卷調查 （是，否）
• ParentSchoolSatisfaction: 家長對于學校的滿意度 （好，不好）
• StudentAbsenceDays: 學生缺勤天數 （大于7天，低于7天）

結果(Response Variable)介紹：

• Class: 根據學生最后的學術評測分數，學生會被分為3個等級
• Low-Level: 分數區間在0-60
• Middle-Level:分數區間在70-89
• High-Level:分數區間在90-100

二．數據預覽

import pandas as pd

df=pd.read_csv('datalab/6785/students_data.csv')

df.head()

讀了前五行，看看數據情況

三．數據預處理

看看數據是否有缺失值

df.isnull().sum()

沒有缺失值

四．描述性統計

df.describe(include='all')

看看類別變量包含的內容：

print('gender',df.gender.unique())

看看數據集結果是否平衡:

import seaborn as sns

sns.countplot(x='Class',data=df)

五．可視化

可視化的目的是為了探索數據規律，發現數據之間的關系，比如特征與目標變量之間的相關性。

可視化可以使用seaborn和matplotlib庫進行，不過我不喜歡編程，所有比較喜歡用tableau，類別變量的可視化結果為tableau做的效果。

首先看看類別變量：

性別與得分：

國籍與得分：

班級與得分：

數值型變量：

相關性分析：

corr=df[['raisedhands','VisITedResources','AnnouncementsView','Discussion']].corr()

corr

Discussion與其他三個相關性較低，其他三個變量的相關性都比較高

以上結論從熱力圖也可以看出來：

sns.heatmap(corr, xticklabels=corr.columns,yticklabels=corr.columns)

六．模型建立

使用邏輯回歸模型進行預測，并計算準確率

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import accuracy_score

#建立特征和目標變量

x=df.drop('Class',axis=1)

x= pd.get_dummies(x)#對類別變量進行one-hot編碼，即建立虛擬變量

y=df['Class']

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size = 0.2,random_state = 10)#建立訓練集和測試集

#模型訓練

logit=LogisticRegression()

logit.fit(x_train,y_train)

#預測

predict=logit.predict(x_test)

print('predict',predict)

#準確率評分

Score = accuracy_score(y_test, predict)

Score

七．模型優化

從可視化圖表探索發現SectionID與Class關系不大，所以嘗試剔除再進行建模：

x=df.drop(['Class','SectionID'],axis=1)

x= pd.get_dummies(x)

y=df['Class']

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size = 0.2,random_state = 10)

logit=LogisticRegression()

logit.fit(x_train,y_train)

predict=logit.predict(x_test)

print('predict',predict)

Score = accuracy_score(y_test, predict)

Score

可以看到準確率得到提升。

總結

以上是生活随笔為你收集整理的python 逻辑回归准确率是1_python数据分析（三）——逻辑回归之学生成绩预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。