如何在为机器学习准备数据时定义值的范围

Question

我正在学习基本的机器学习分类问题，其中我正在为一个问题训练模型，其中如果age大于15，则输出将为1，如果age小于15，则输出将为0。我已经准备了一个csv文件，可以从这里https://drive.google.com/file/d/1FeDfhH2-xrqzFydVI_qGW_RkqlhGal6p/view?usp=sharing下载。

下面是我使用的代码：

from sklearn.linear_model import LogisticRegression
import pandas as pd
import numpy as np

data = pd.read_csv("test1.csv")
data.head()

X = data[['Age']]
Y = data["Output"]

train = data[:(int((len(data) * 0.8)))]
test = data[(int((len(data) * 0.8))):]

clf = LogisticRegression()
train_x = np.array(train[['Age']])
train_y = np.array(train["Output"])
clf.fit(train_x, train_y)

test_x = np.array(test[['Age']])
test_y = np.array(test["Output"])

test_x2 = np.array([[16]])
Y_pred = clf.predict(test_x2)
print(Y_pred)

这工作得很好。在text_x2中，如果我给出值16，它将输出显示为1，这是正确的。如果我给出的测试值是12，它将输出显示为0，这是正确的。如果我给出的测试值为2，它仍然显示0，这是正确的，但这里我的问题是，我没有将年龄模型训练为2，那么为什么它在2下工作得很好。

我还想知道我们如何在数据中定义范围。例如，如果年龄为0-15岁，则输出应为1。如果年龄为16-30，则输出应为2。如果年龄为31-45，则输出应为3。请帮助。谢谢

Answer 1

在训练过程中，您的模型必须学习βo (偏差)和β(年龄特征的权重参数)的最佳值。您可以使用这行代码来获取模型学习到的βo和β的值。

print(np.hstack((clf.intercept_[:,None], clf.coef_)))

你的模型学习到的参数对于给定的输入"2“效果很好，你可以通过将参数和输入值放入logistic回归函数来自己尝试。此外，ML模型具有内插和外推的能力，这意味着您不必在每个可能的输入上训练模型。