一个城市的居民家庭,按其有无割草机可分为两组,有割草机的记为一组为,没有割草机的一组记为,割草机工厂欲判断一些家庭是否购买割草机。从和分别随机抽取12个样品,调查两项指标:家庭收入,房前屋后土地面积。 用y作为二元被解释变量,有割草机的家庭用1表示,没有割草机的家庭用0表示,作为解释变量。所有代码
时间: 2024-03-10 22:47:34 浏览: 41
好的,以下是一个简单的Python代码实现,使用逻辑回归模型对数据进行分类预测:
```python
import pandas as pd
from sklearn.linear_model import LogisticRegression
# 读取数据
data = pd.read_csv('data.csv')
# 将数据集分成训练集和测试集
train = data.sample(frac=0.8, random_state=1)
test = data.drop(train.index)
# 定义解释变量和被解释变量
x_train = train[['income', 'area']]
y_train = train['has_lawnmower']
x_test = test[['income', 'area']]
y_test = test['has_lawnmower']
# 训练逻辑回归模型
model = LogisticRegression()
model.fit(x_train, y_train)
# 使用模型进行预测
y_pred = model.predict(x_test)
# 计算模型的准确率
accuracy = model.score(x_test, y_test)
print('Accuracy:', accuracy)
```
其中,假设数据集已经保存在`data.csv`文件中,包含`income`和`area`两个解释变量和`has_lawnmower`一个被解释变量。`sample`函数用于将数据集随机分成训练集和测试集,`LogisticRegression`类用于训练逻辑回归模型,`predict`函数用于使用模型进行预测,`score`函数用于计算模型的准确率。
相关推荐
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)