《机器学习Python实战》电子教案 07-1-项目5 逻辑回归算法实战

武汉软件工程职业学院教案（理论教学首页）（第1页）教案（理实一体化课）武汉软件工程职业学院教案（附页）（第NUMPAGES4页）课程名称机器学习授课内容项目5判断肿瘤良恶性——逻辑回归 5.1项目知识准备 5.1.1逻辑回归算法的基本原理 5.1.2LogisticRegression逻辑回归分类器 5.2项目实训 5.2.1逻辑回归算法预测考试是否及格授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法讲授、问题式教学法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：大家学习过程中需要比较强的逻辑思维，逻辑回归可以用于分类情况。知识目标：逻辑回归算法的基本原理能力目标：掌握逻辑回归的训练及预测方法教学重点逻辑回归算法的基本原理教学难点理解作为分类模型的逻辑回归【课前安排】（1）教师对学生们的疑问进行统一答疑。（2）回顾总结上节课内容，继续介绍本课时的内容。上节课介绍了线性回归算法的原理与用法，本节课介绍逻辑回归模型。【导入新课】逻辑回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。然后通过逻辑回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。（3）明确学习目标。逻辑回归算法的基本原理LogisticRegression逻辑回归分类器的使用【讲授新课】教师根据课件，介绍逻辑回归模型的基本概念。现在假设有一些数据点，我们用一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就称作回归。利用logistic回归进行分类的主要思想是：根据现有数据对分类边界线建立回归公式，以此进行分类，这里的“回归”一词源于最佳拟合，表示要找到最佳拟合参数集。教师根据课件，讲解Logistic回归分类器模型。scikit-learn库中的linear_model模块提供了Logistic回归分类器模型供我们使用，让我们先看一下LogisticRegression类的基本定义如下：classsklearn.linear_model.LogisticRegression(penalty='l2',dual=False,tol=0.0001,C=1.0,fit_intercept=True,intercept_scaling=1,class_weight=None,random_state=None,solver='liblinear',max_iter=100,multi_class='ovr',verbose=0,warm_start=False,n_jobs=1)LogisticRegression类对象的属性如下：coef_：返回各特征的系数；intercept_：返回模型的截距；n_iter_：返回模型迭代次数。LogisticRegression类对象的常用方法如下：fit(X,y)：根据给定的训练数据对模型进行拟合；predict(X)：预测X中样本所属类别的标签；predict_proba(X)：概率估计，预测X中样本为某个类别的概率；score(X,y)：返回给定测试数据和实际标签相匹配的平均准确率。教师根据课件，演示项目实训——逻辑回归算法预测考试是否及格本次任务将根据学生某门课程的复习时长和效率预测期末是否能够及格。首先构造逻辑回归模型并使用往年的调查结果数据对模型进行训练，然后对本届学生的复习情况作出预测，并给出特定学习状态时考试及格和不及格的概率。1.数据准备2.创建并训练逻辑回归模型3.预测并输出预测结果【课堂小结】回顾上课前的学习目标，对本节课知识点进行总结。主要介绍LogisticRegression逻辑回归分类器的基本原理和使用。【课后安排】给