，除了部分指標主觀和難以測量外，該數據還存在一個問題，數據集中有

30%的值是缺失的。下面將首先介紹如何處理數據集中的數據缺失問題，然 后 再 利 用 Logistic回 歸

和隨機梯度上升算法來預測病馬的生死。

準備數據：處理被據中的缺失值

因為有時候數據相當昂貴，扔掉和重新獲取

都是不可取的，所以必須采用一些方法來解決這個問題。

下面給出了一些可選的做法：

這里選擇實數0來替換所有缺失值，恰好能適用于Logistic回歸。這樣做的直覺在

于 ，我們需要的是一個在更新時不會影響系數的值。回歸系數的更新公式如下：

使 用 Logistic

回歸方法進行分類并不需要做很多工作，所需做的只是把測試集上每個特征向量乘以最優化方法

得來的回歸系數，再將該乘積結果求和，最后輸人到sigmoid 函數中即可0 如果對應的sigmoid值

大于0.5就預測類別標簽為1,否則為0。

defclassifyVector(inX, weights):

prob= sigmoid(sum(inX*weights))if prob > 0.5:return 1.0

else:return 0.0

defcolicTest():

frTrain= open('F:\\machinelearninginaction\\Ch05\\horseColicTraining.txt')

frTest= open('F:\\machinelearninginaction\\Ch05\\horseColicTest.txt')

trainingSet=[]

trainingLabels=[]for line infrTrain.readlines():

currLine= line.strip().split('\t')

lineArr=[]for i in range(21):

lineArr.append(float(currLine[i]))

trainingSet.append(lineArr)

trainingLabels.append(float(currLine[21]))

trainWeights= stocGradAscent1(array(trainingSet), trainingLabels, 1000)

errorCount= 0; numTestVec = 0.0

for line infrTest.readlines():

numTestVec+= 1.0currLine= line.strip().split('\t')

lineArr=[]for i in range(21):

lineArr.append(float(currLine[i]))if int(classifyVector(array(lineArr), trainWeights))!= int(currLine[21]):

errorCount+= 1errorRate= (float(errorCount)/numTestVec)print("the error rate of this test is: %f" %errorRate)return errorRate

defmultiTest():

numTests= 10; errorSum=0.0

for k inrange(numTests):

errorSum+=colicTest()print("after %d iterations the average error rate is: %f" % (numTests, errorSum/float(numTests)))

multiTest()

小結：

總結

以上是生活随笔為你收集整理的python预测疾病_吴裕雄--天生自然python机器学习：使用Logistic回归从疝气病症预测病马的死亡率...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。