آموزش راه اندازی یک پروژه رگرسیون لجستیک در پایتون

در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش راه اندازی یک پروژه رگرسیون لجستیک در پایتون خواهیم پرداخت.

در این درس، ما جزئیات فرآیند راه اندازی پروژه انجام رگرسیون لجستیک در پایتون را درک خواهیم کرد.

ما از Jupyter – یکی از پرکاربردترین سیستم عامل ها برای یادگیری ماشین – استفاده خواهیم کرد. اگر Jupyter را روی دستگاه خود نصب نکرده اید ، آن را از اینجا بارگیری کنید. برای نصب، می توانید دستورالعمل های سایت آنها را برای نصب سیستم عامل دنبال کنید. همانطور که سایت نشان می دهد، شما ترجیح می دهید از Anaconda Distribution استفاده کنید که همراه با پایتون و بسیاری از بسته های پایتون که معمولاً مورد استفاده قرار می گیرند ، برای محاسبات علمی و علم داده است. با این کار نیاز به نصب جداگانه این بسته ها کاهش می یابد.

پس از نصب موفقیت آمیز Jupyter، یک پروژه جدید را شروع کنید، صفحه شما در این مرحله مانند زیر آماده پذیرش کد شما به نظر می رسد.

اکنون، با کلیک روی نام عنوان و ویرایش آن، نام پروژه را از Untitled1 به “Logistic Regression” تغییر دهید.

ابتدا، ما چندین بسته پایتون را که در کد خود نیاز داریم وارد خواهیم کرد.

برای این منظور ، کد زیر را در ویرایشگر کد تایپ یا برش بزنید –

In [1]: # import statements
   import pandas as pd
   import numpy as np
   import matplotlib.pyplot as plt

   from sklearn import preprocessing
   from sklearn.linear_model import LogisticRegression
   from sklearn.model_selection import train_test_split

 

در این مرحله نوت بوک شما باید به شکل زیر باشد –

با کلیک روی دکمه Run کد را اجرا کنید. اگر خطایی ایجاد نشود، Jupyter را با موفقیت نصب کرده و اکنون برای بقیه مراحل توسعه آماده هستید.

سه دستور اول واردات بسته های pandas ، numpy و matplotlib.pyplot را در پروژه ما وارد می کنند. سه عبارت بعدی ماژول های مشخص شده را از sklearn وارد می کند.

وظیفه بعدی ما بارگیری داده های مورد نیاز پروژه ما است. این را در درس بعدی خواهیم آموخت.

لیست جلسات قبل آموزش رگرسیون لجستیک در پایتون

1.  آموزش رگرسیون لجستیک در پایتون
2. معرفی رگرسیون لجستیک در پایتون 
3. آموزش مطالعه موردی رگرسیون لجستیک در پایتون 
4. آموزش راه اندازی یک پروژه رگرسیون لجستیک در پایتون
5. آموزش دریافت داده ها رگرسیون لجستیک در پایتون 
6. آموزش تجدید ساختار داده ها رگرسیون لجستیک در پایتون 
7. آموزش آماده سازی داده ها رگرسیون لجستیک در پایتون
8. آموزش تقسیم داده ها رگرسیون لجستیک در پایتون
9. آموزش طبقه بندی کننده ساختمان رگرسیون لجستیک در پایتون 
10. آموزش تست رگرسیون لجستیک در پایتون
11. محدودیت های رگرسیون لجستیک در پایتون