【統計学の実践】ロジスティック回帰分析の実践例

<div class="hcb_wrap"><pre class="prism line-numbers lang-python" data-lang="Python"><code># Pythonでの簡単な例
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
# データの読み込み
data = pd.read_csv('spam_data.csv')  # CSVファイルからデータを読み込む
X = data[['feature1', 'feature2', 'feature3']]  # 特徴量として使用する列を指定
y = data['is_spam']  # 目的変数（スパムかどうか）を指定
# データの分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# データを訓練データとテストデータに分割。全データの20%をテストデータとして使用
# モデルの訓練
model = LogisticRegression()  # ロジスティック回帰モデルを作成
model.fit(X_train, y_train)  # 訓練データを用いてモデルを訓練
# 予測と評価
y_pred = model.predict(X_test)  # テストデータを用いて予測を実行
print("Accuracy:", accuracy_score(y_test, y_pred))  # 予測結果の精度を表示</code></pre></div>

# Pythonでの医療データ診断の例
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
# データの読み込み
data = pd.read_csv('medical_data.csv')  # CSVファイルからデータを読み込む
# 特徴量とラベルの設定
X = data[['age', 'blood_pressure', 'cholesterol', 'gender']]  # 特徴量として使用する列を指定
y = data['has_disease']  # 目的変数（病気の有無）を指定
# データの分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# データを訓練データとテストデータに分割。全データの20%をテストデータとして使用
# モデルの訓練
model = LogisticRegression()  # ロジスティック回帰モデルを作成
model.fit(X_train, y_train)  # 訓練データを用いてモデルを訓練
# 予測
y_pred = model.predict(X_test)  # テストデータを用いて予測を実行
# 評価
accuracy = accuracy_score(y_test, y_pred)  # 予測結果の精度を計算
conf_matrix = confusion_matrix(y_test, y_pred)  # 混同行列を計算
class_report = classification_report(y_test, y_pred)  # 分類レポートを生成
print("Accuracy:", accuracy)  # 精度を表示
print("Confusion Matrix:\n", conf_matrix)  # 混同行列を表示
print("Classification Report:\n", class_report)  # 分類レポートを表示