分析各个特征与目标预测类别的正负相关性
由逻辑回归各个特征权重如下
- 首先可以看到连续型变量（age、education_num、hours_per_week）都与income成强正相关，也即年龄越高、受教育时间越多、每周工作时间越多，收入越高。其中，受教育时间与income的收入相关性程度最大，这与现实情况相符，一般来说，受过更高教育的人群往往拥有更高的收入。
- 对于离散型变量，具有正相关性的是education、race、sex，表明教育水平、种族、性别对收入有一定的正相关性，对应于编码中，raceWhite、sexMale的人收入较高（这从前面统计图中也能看出）。其他具有负相关性的特征：workclass、marital_status、occupation、relationship，表明：
- 某些工作类别下的收入相对较低，或者是某些特定的工作类别对收入产生负面影响；职业与收入呈负相关，但权重较小，只有0.007，这可能意味着特定职业对收入影响较小，或者是该模型中职业对收入的解释力度较弱。
- 某些婚姻状态下的家庭责任和支出、家庭关系状态对个人收入构成负面影响，对应于marital_status编码，编码赋值较高的是Never-Married、Separated、Widowed，即无稳定婚姻状况或单身的人的收入会偏低。
扩展
准确率有时不仅跟模型参数有关，数据预处理格式也很重要，本实验中我对于离散型特征同一采用标签编码的方式进行处理，或许可以尝试对于某些分类种别较少 且 没有明显程度排序的特征使用独热编码（如sex、workclass等等）。
另外，对于朴素贝叶斯模型，常常适用于离散型特征，而本实验中adult集含有少数连续型变量，网上了解到可以采用高斯朴素贝叶斯进行分类。