Logistic回归用于预测马是否患有疝气病。

简介：
本次实战将采用Logistic回归模型，用于预测马患疝气病的生存情况。原始数据集的下载链接为http://archive.ics.uci.edu/ml/datasets/Horse+Colic，该数据集包含368个样本以及28个用于分析的特征。值得注意的是，马疝病并非总是由肠胃问题引起，其他潜在因素也可能导致这一疾病的发生。该数据集收集了医院对马疝病的诊断过程中的一些关键指标，其中部分指标具有一定的主观性，而另一些指标则难以准确测量，例如评估马的疼痛程度。此外，需要强调的是，除了部分指标的主观性和难以测量性之外，该数据集还存在缺失值的问题，具体而言，数据集中约有30%的值缺失。为了进行数据预处理，我们执行了两项操作：首先，如果测试集中的某条数据的特征值是确定的，我们将所有缺失值替换为实数0，这是因为我们采用了Logistic回归方法。通过这种方式替换后，不会对回归系数的影响产生任何改变；sigmoid(0)的值为0.5, 意味着它对结果的预测没有偏向性。其次，如果测试集中某条数据的类别标签缺失时, 我们将该类别的数据行直接删除, 因为类别标签与特征信息是相互独立的, 难以确定一个合适的数值来替代缺失的标签。经过预处理后的原始数据集已保存在两个文件中：horseColicTest.txt和horseColicTraining.txt。 经过“清洗”处理后的、可供使用的完整数据集下载链接如下：