文件名称：Logistic-Regression
文件大小：216KB
文件格式：ZIP
更新时间：2024-04-16 07:34:28
JupyterNotebook
逻辑回归 一，数据准备 -包括模型所需的所有软件包。 -从驱动器访问数据集。 -检查数据集。 -切片数据以准备模型。 二。 建立逻辑回归模型 -将准备好的数据应用到模型中。 -检查逻辑回归模型得分。 三， 功能重要性 -基于系数排列特征。 IV。 评估 -使用AUC得分和ROC曲线评估模型。 五，结论 -Logistic回归模型的得分为68％，可以预测CVD风险。 AUC分数是0.64，因此我们可以预期我们的预测中会有很多错误。 ROC曲线反映了模型将有错误预测的区域。 从系数中，种族，mstat，臀部，neck20，av_weight_kg，tea15，happy25和hlthlm25具有负系数。 当这些变量上升时，CVD风险将下降。 因此，具有大量这些变量的患者往往不会有CVD风险。 另一方面，当其他自变量上升时，CVD风险也会上升。 此外，这些系数反映了这些特征在多大
【文件预览】：
Logistic-Regression-main
----cvd_data.csv(144KB)
----CA_5_Tin_Nguyen.ipynb(35KB)
----CA_5_Tin_Nguyen_python_pdfversion.pdf(189KB)
----CA_5_Tin_Nguyen_ReadMe.docx(14KB)
----README.md(1KB)