《机器学习Python实战》电子教案 07-2-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5.2.2逻辑回归算法实现鸢尾花分类 5.3项目拓展——判断肿瘤是良性还是恶性授课安排授课时数2授课对象人工智能技术应用专业大二学生授课方法课内实训、任务驱动法授课教具Python3.7及后续版本、Anaconda、Jupyter教学目标思政目标：逻辑回归可以判定肿瘤的情况，对肿瘤预测可以更方便疾病的诊断。知识目标：区分回归与分类模型能力目标：能够使用逻辑回归解决分类问题教学重点逻辑回归分类器的使用教学难点掌握逻辑回归的训练及预测方法【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。上节课介绍了逻辑回归算法的基本原理与用法，本节课使用逻辑回归算法进行建模、对新样本的类别进行预测。【导入新课】立足专业和相关研究进展，将现实问题与专业知识、专业方法相结合。（3）明确学习目标。理解作为分类模型的逻辑回归能够使用逻辑回归解决分类问题【讲授新课】教师演示教师根据课件，演示使用逻辑回归算法实现鸢尾花分类。对数据集进行分析生成训练数据集和测试数据集使用逻辑回归进行建模使用模型对新样本的分类进行预测上机练习上机练习主要针对本章中需要重点掌握的知识点，以及在程序中容易出错的内容进行练习，通过上机练习可以考察同学对知识点的掌握情况，对本章知识掌握程度。形式：单独完成上机：使用逻辑回归算法判断肿瘤是良性还是恶性请按照以下要求开始上机课：1.导入breast_cancer数据集#导入breast_cancer数据集fromsklearn.datasetsimportload_breast_cancer#加载breast_cancer数据集cancer=load_breast_cancer()#“data”是特征数据X=cancer.data#“target”是目标变量数据(肿瘤的类别标签)y=cancer.target2.将数据集划分为训练集和测试集fromsklearn.model_selectionimporttrain_test_splitX_train,X_test,y_train,y_test=train_test_split(X,y,random_state=8)3.对数据集进行标准化处理#导入StandardScalerfromsklearn.preprocessingimportStandardScaler#对训练集进行拟合scaler=StandardScaler().fit(X_train)#对训练集数据进行转换X_train_scaled=scaler.transform(X_train)#对测试集数据进行转换X_test_scaled=scaler.transform(X_test)4.构建LogisticRegression模型并训练模型#导入逻辑回归模型fromsklearn.linear_modelimportLogisticRegression#构建模型对象log_reg=LogisticRegression(solver='lbfgs')#训练模型log_reg.fit(X_train_scaled,y_train)print('训练集得分：{:.2f}'.format(log_reg.score(X_train_scaled,y_train)))5.逻辑回归模型分析与评估#测试集的准确率test_score=log_reg.score(X_test_scaled,y_test)#预测类别标签test_pred=log_reg.predict(X_test_scaled)#类别的概率估计test_prob=log_reg.predict_proba(X_test_scaled)【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。主要通过项目实训的方式学习了如何使用LogisticRegression逻辑回归分类器处理分类问题。【课后安排】给学生布置随堂练习——使用逻辑回归算法判断肿瘤是良性还是恶性，检测学生的掌握程度，并对学生出现的问题进行解决。布置课后