Skip to content

Latest commit

 

History

History
33 lines (22 loc) · 1.17 KB

chapter12.md

File metadata and controls

33 lines (22 loc) · 1.17 KB
Raw

赢家还是输家：

本作业主要是使用逻辑回归来判断一个人的年薪是否大于50k

数据集和任务描述

  • 任务：二分类问题，判断一个人年薪是否超过50k

  • 数据集：ADULT

    由Barry Becker从1994年人口普查数据库中提取，按照((AGE>16) && (AGI>100) && (AFNLWGT>1) && (HRSWK>0))条件过滤后，保持数据的干净。

    参考：https://archive.ics.uci.edu/ml/datasets/Adult

特征属性描述

数据一共包含13个特征，一个年薪是否超过50K的label train.csv 、test.csv : age, workclass, fnlwgt, education, education num, marital-status, occupation relationship, race, sex, capital-gain, capital-loss, hours-per-week, native-country, make over 50K a year or not 12-1

抽取后的特征

  • 离散数据进行one-hot编码，如work_class,education...
  • 连续特征保持不变，如age,capital_gain...
  • X_train,X_test 每个样本包含106维特征，一个样本作为一行
  • Y_train:label=0 表示年薪低于等于50k,label=1 表示年薪高于50K 12-2

参考代码

https://github.com/datawhalechina/leeml-notes/tree/master/docs/Homework/HW_2