說明：這是一個(gè)機(jī)器學(xué)習(xí)實(shí)戰(zhàn)項(xiàng)目（附帶數(shù)據(jù)+代碼+文檔+視頻講解），如需數(shù)據(jù)+代碼+文檔+視頻講解可以直接到文章最后獲取。
1.項(xiàng)目背景
多項(xiàng)式對(duì)數(shù)模型是離散選擇模型的一種。
本項(xiàng)目通過MNLogit算法來構(gòu)建多項(xiàng)式對(duì)數(shù)模型。 ?
2.數(shù)據(jù)獲取
本次建模數(shù)據(jù)來源于網(wǎng)絡(luò)(本項(xiàng)目撰寫人整理而成)，數(shù)據(jù)項(xiàng)統(tǒng)計(jì)如下：
| 編號(hào) |
變量名稱 |
描述 |
| 1 |
x1 |
|
| 2 |
x2 |
|
| 3 |
x3 |
|
| 4 |
x4 |
|
| 5 |
x5 |
|
| 6 |
x6 |
|
| 7 |
x7 |
|
| 8 |
x8 |
|
| 9 |
x9 |
|
| 10 |
x10 |
|
| 11 |
y |
數(shù)據(jù)詳情如下(部分展示)：
3.數(shù)據(jù)預(yù)處理
3.1?用Pandas工具查看數(shù)據(jù)
使用Pandas工具的head()方法查看前五行數(shù)據(jù)：
關(guān)鍵代碼：
3.2 數(shù)據(jù)缺失查看
使用Pandas工具的info()方法查看數(shù)據(jù)信息：
??????
從上圖可以看到，總共有11個(gè)變量，數(shù)據(jù)中無缺失值，共2000條數(shù)據(jù)。
關(guān)鍵代碼：
3.3?數(shù)據(jù)描述性統(tǒng)計(jì)
通過Pandas工具的describe()方法來查看數(shù)據(jù)的平均值、標(biāo)準(zhǔn)差、最小值、分位數(shù)、最大值。
關(guān)鍵代碼如下： ???
4.探索性數(shù)據(jù)分析
4.1?y變量柱狀圖
用Matplotlib工具的plot()方法繪制柱狀圖：
4.2 y=1樣本x1變量分布直方圖
用Matplotlib工具的hist()方法繪制直方圖：
4.3 相關(guān)性分析
從上圖中可以看到，數(shù)值越大相關(guān)性越強(qiáng)，正值是正相關(guān)、負(fù)值是負(fù)相關(guān)。??
5.特征工程
5.1 建立特征數(shù)據(jù)和標(biāo)簽數(shù)據(jù)
關(guān)鍵代碼如下：
5.2 數(shù)據(jù)集拆分
通過train_test_split()方法按照80%訓(xùn)練集、20%測(cè)試集進(jìn)行劃分，關(guān)鍵代碼如下：
6.構(gòu)建多項(xiàng)式對(duì)數(shù)模型
主要使用MNLogit算法，用于目標(biāo)分類。
6.1?構(gòu)建模型
| 編號(hào) |
模型名稱 |
參數(shù) |
| 1 |
MNLogit模型? |
默認(rèn)參數(shù) |
6.2?模型的摘要信息
7.模型評(píng)估
7.1 評(píng)估指標(biāo)及結(jié)果
評(píng)估指標(biāo)主要包括準(zhǔn)確率、查準(zhǔn)率、查全率、F1分值等等。
| 模型名稱 |
指標(biāo)名稱 |
指標(biāo)值 |
| 測(cè)試集 | ||
| MNLogit模型 |
準(zhǔn)確率 |
0.9325 |
| 查準(zhǔn)率 |
0.935 |
|
| 查全率 |
0.9303 |
|
| F1分值 |
0.9327? |
|
從上表可以看出，F(xiàn)1分值為0.9327，說明模型效果較好。
關(guān)鍵代碼如下：???
7.2 分類報(bào)告
??????
從上圖可以看出，分類為0的F1分值為0.93；分類為1的F1分值為0.93。
7.3 混淆矩陣
從上圖可以看出，實(shí)際為0預(yù)測(cè)不為0的 有13個(gè)樣本；實(shí)際為1預(yù)測(cè)不為1的 有14個(gè)樣本，整體預(yù)測(cè)準(zhǔn)確率良好。 ??文章來源：http://www.zghlxwxcb.cn/news/detail-819128.html
8.結(jié)論與展望
綜上所述，本文采用了MNLogit算法來構(gòu)建離散模型，最終證明了我們提出的模型效果良好。此模型可用于日常產(chǎn)品的預(yù)測(cè)。 ??文章來源地址http://www.zghlxwxcb.cn/news/detail-819128.html
# 本次機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)所需的資料，項(xiàng)目資源如下：
# 項(xiàng)目說明：
# 獲取方式一：
# 項(xiàng)目實(shí)戰(zhàn)合集導(dǎo)航：
https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2
# 獲取方式二：
鏈接：https://pan.baidu.com/s/1aY-cobZvwshVZnMQn6GVrA
提取碼：j5a6到了這里，關(guān)于Python實(shí)現(xiàn)離散選擇多項(xiàng)式對(duì)數(shù)模型(MNLogit算法)項(xiàng)目實(shí)戰(zhàn)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
