tynbl.github.io

实战案例6：豆瓣影评数据分析

1. 项目描述：

豆瓣电影为互联网用户提供了一个可以分享电影评论及观点的平台。用户在提供影评的同时还可以为电影打分。

2. 数据集描述:

数据字典

3. 项目任务：

4. 项目实现：

# 引入必要的包
import csv
import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import time

%matplotlib notebook

# 解决matplotlib显示中文问题
# 仅适用于Windows
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# MacOS请参考 http://wenda.chinahadoop.cn/question/5304 修改字体配置

# 指定数据集路径
dataset_path = '../data'
datafile = os.path.join(dataset_path, 'DMSC.csv')

# 停用词表路径
stop_words_path = '../stop_words'

# 加载数据
raw_data = pd.read_csv(datafile)

4.1 数据查看

print('数据集有{}条记录。'.format(len(raw_data)))

数据集有2125056条记录。

# 电影名称
print('数据集包含{}部电影。'.format(len(raw_data['Movie_Name_CN'].unique())))
print(raw_data['Movie_Name_CN'].unique())

数据集包含28部电影。
['复仇者联盟2' '大鱼海棠' '美国队长3' '十二生肖' '九层妖塔' '大圣归来' '栀子花开' '夏洛特烦恼' '钢铁侠1' '西游降魔篇'
 '西游伏妖篇' '爱乐之城' '泰囧' '何以笙箫默' '湄公河行动' '七月与安生' '复仇者联盟' '后会无期' '寻龙诀' '长城' '左耳'
 '美人鱼' '小时代1' '小时代3' '釜山行' '变形金刚4' '你的名字' '疯狂动物城']

# 电影平均得分
movie_mean_score = raw_data.groupby('Movie_Name_CN')['Star'].mean().sort_values(ascending=False)
movie_mean_score.plot(kind='bar')
plt.tight_layout()

<IPython.core.display.Javascript object>

4.2 数据预处理

# 去除空值（如果有的话）
cln_data = raw_data.dropna().copy()

# 建立新的一列，如果打分>=3.0，为正面评价1，否则为负面评价0
cln_data['Positively Rated'] = np.where(cln_data['Star'] >= 3, 1, 0)

# 数据预览
cln_data.head()
ID Movie_Name_EN Movie_Name_CN Crawl_Date Number Username Date Star Comment Like Positively Rated
0 0 Avengers Age of Ultron 复仇者联盟2 2017-01-22 1 然潘 2015-05-13 3 连奥创都知道整容要去韩国。 2404 1
1 1 Avengers Age of Ultron 复仇者联盟2 2017-01-22 2 更深的白色 2015-04-24 2 非常失望，剧本完全敷衍了事，主线剧情没突破大家可以理解，可所有的人物都缺乏动机，正邪之间、... 1231 0
2 2 Avengers Age of Ultron 复仇者联盟2 2017-01-22 3 有意识的贱民 2015-04-26 2 2015年度最失望作品。以为面面俱到，实则画蛇添足；以为主题深刻，实则老调重弹；以为推陈出... 1052 0
3 3 Avengers Age of Ultron 复仇者联盟2 2017-01-22 4 不老的李大爷耶 2015-04-23 4 《铁人2》中勾引钢铁侠，《妇联1》中勾引鹰眼，《美队2》中勾引美国队长，在《妇联2》中终于... 1045 1
4 4 Avengers Age of Ultron 复仇者联盟2 2017-01-22 5 ZephyrO 2015-04-22 2 虽然从头打到尾，但是真的很无聊啊。 723 0 
# 加载停用词表
stopwords1 = [line.rstrip() for line in open(os.path.join(stop_words_path, '中文停用词库.txt'), 'r', encoding='utf-8')]
stopwords2 = [line.rstrip() for line in open(os.path.join(stop_words_path, '哈工大停用词表.txt'), 'r', encoding='utf-8')]
stopwords3 = [line.rstrip() for line in open(os.path.join(stop_words_path, '四川大学机器智能实验室停用词库.txt'), 'r', encoding='utf-8')]
stopwords = stopwords1 + stopwords2 + stopwords3

# 处理文本数据
import re
import jieba.posseg as pseg

def proc_text(raw_line):
    """
        处理文本数据
        返回分词结果
    """

    # 1. 使用正则表达式去除非中文字符
    filter_pattern = re.compile('[^\u4E00-\u9FD5]+')
    chinese_only = filter_pattern.sub('', raw_line)

    # 2. 结巴分词+词性标注
    word_list = pseg.cut(chinese_only)

    # 3. 去除停用词，保留有意义的词性
    # 动词，形容词，副词
    used_flags = ['v', 'a', 'ad']
    meaninful_words = []
    for word, flag in word_list:
        # 
        if (word not in stopwords) and (flag in used_flags):
            meaninful_words.append(word)
    return ' '.join(meaninful_words)

# 测试一条记录
test_text = cln_data.loc[5, 'Comment']
print('原文本：', test_text)
print('\n\n处理后：', proc_text(test_text))

原文本：  剧情不如第一集好玩了，全靠密集笑点在提神。僧多粥少的直接后果就是每部寡姐都要换着队友谈恋爱，这特么比打斗还辛苦啊，真心求放过～～～（结尾彩蛋还以为是洛基呢，结果我呸！）


处理后： 好玩 全 提神 直接 换 谈恋爱 打斗 辛苦 求 放过

# 处理数据集中的所有文本
cln_data['Words'] = cln_data['Comment'].apply(proc_text)

cln_data.head()
ID Movie_Name_EN Movie_Name_CN Crawl_Date Number Username Date Star Comment Like Positively Rated Words
0 0 Avengers Age of Ultron 复仇者联盟2 2017-01-22 1 然潘 2015-05-13 3 连奥创都知道整容要去韩国。 2404 1 知道
1 1 Avengers Age of Ultron 复仇者联盟2 2017-01-22 2 更深的白色 2015-04-24 2 非常失望，剧本完全敷衍了事，主线剧情没突破大家可以理解，可所有的人物都缺乏动机，正邪之间、... 1231 0 失望 完全 没 理解 缺乏 正邪 团结 分裂 团结 积攒 搞 出 写 肤浅 混乱 笑 点算
2 2 Avengers Age of Ultron 复仇者联盟2 2017-01-22 3 有意识的贱民 2015-04-26 2 2015年度最失望作品。以为面面俱到，实则画蛇添足；以为主题深刻，实则老调重弹；以为推陈出... 1052 0 失望 不足 全 明显 刻意 紧张 激动 太弱
3 3 Avengers Age of Ultron 复仇者联盟2 2017-01-22 4 不老的李大爷耶 2015-04-23 4 《铁人2》中勾引钢铁侠，《妇联1》中勾引鹰眼，《美队2》中勾引美国队长，在《妇联2》中终于... 1045 1 勾引 勾引 勾引 表白 告诉 治疗 不孕 不育 作战 变成 验孕 棒 坚决 相信 快 死 回来
4 4 Avengers Age of Ultron 复仇者联盟2 2017-01-22 5 ZephyrO 2015-04-22 2 虽然从头打到尾，但是真的很无聊啊。 723 0 打到 无聊 
# 将处理后的数据集保存
saved_data = cln_data[['Words', 'Positively Rated']].copy()
saved_data.dropna(subset=['Words'], inplace=True)
saved_data.to_csv(os.path.join(dataset_path, 'douban_cln_data.csv'), encoding='utf-8', index=False)

# 分割训练集与测试集
from sklearn.model_selection import train_test_split

X_train_data, X_test_data, y_train, y_test = train_test_split(saved_data['Words'], saved_data['Positively Rated'], test_size=1/4, random_state=0)

X_train_data.shape

(1593724,)

print('X__train_data 第一条记录：\n\n', X_train_data.iloc[1])
print('\n\n训练集样本数: {}，测试集样本数：{}'.format(len(X_train_data), len(X_test_data)))

X__train_data 第一条记录：

 讨厌


训练集样本数: 1593724，测试集样本数：531242

4.3 文本特征提取

from sklearn.feature_extraction.text import TfidfVectorizer

# max_features指定语料库中频率最高的词
n_dim = 10000
vectorizer = TfidfVectorizer(max_features=n_dim)
X_train = vectorizer.fit_transform(X_train_data.values)
X_test = vectorizer.transform(X_test_data.values)

X_train.shape

(1593724, 10000)

print('特征维度：', len(vectorizer.get_feature_names()))
print('语料库中top{}的词：'.format(n_dim))
vectorizer.get_feature_names()

特征维度： 10000
语料库中top10000的词：





['一乐',
 '一亮',
 '一大',
 '一惊',
 '一星',
 '一昧',
 '一晃',
 '一烂',
 '一爽',
 '一笑',
 '一观',
 '万般',
 '上么',
 '上乘',
 '上买',
 '上交',
 '上任',
 '上传',
 '上作',
 '上做',
 '上写',
 '上分',
 '上到',
 '上刷',
 '上加',
 '上劲',
 '上升',
 '上吊',
 '上吹',
 '上唱',
 '上头',
 '上好',
 '上少',
 '上差',
 '上床',
 '上当',
 '上得',
 '上心',
 '上快',
 '上成',
 '上手',
 '上扬',
 '上找',
 '上放',
 '上映',
 '上有',
 '上气',
 '上涨',
 '上演',
 '上火',
 '上班',
 '上用',
 '上瘾',
 '上看',
 '上空',
 '上笑',
 '上算',
 '上给',
 '上缴',
 '上网',
 '上能',
 '上船',
 '上装',
 '上见',
 '上说',
 '上课',
 '上身',
 '上过',
 '上进',
 '上道',
 '上钩',
 '上阵',
 '上限',
 '上集',
 '上靠',
 '上风',
 '下不去',
 '下乡',
 '下令',
 '下会',
 '下作',
 '下來',
 '下决心',
 '下凡',
 '下到',
 '下咽',
 '下嘴',
 '下回',
 '下坠',
 '下墓',
 '下大',
 '下好',
 '下小',
 '下属',
 '下得',
 '下心',
 '下意识',
 '下手',
 '下拍',
 '下斗',
 '下映',
 '下有',
 '下架',
 '下档',
 '下棋',
 '下楼',
 '下水',
 '下泪',
 '下流',
 '下滑',
 '下班',
 '下用',
 '下看',
 '下笔',
 '下给',
 '下能',
 '下落',
 '下让',
 '下讲',
 '下课',
 '下贱',
 '下足',
 '下跪',
 '下车',
 '下载',
 '下达',
 '下过',
 '下降',
 '下限',
 '下集',
 '下雨',
 '下雪',
 '下饭',
 '下马',
 '不上',
 '不中',
 '不为',
 '不久',
 '不乏',
 '不乱',
 '不予',
 '不亏',
 '不亚于',
 '不休',
 '不似',
 '不低',
 '不住',
 '不作',
 '不俗',
 '不信',
 '不倦',
 '不假',
 '不像',
 '不入',
 '不关',
 '不冷',
 '不准',
 '不减',
 '不出',
 '不出意外',
 '不利',
 '不利于',
 '不到',
 '不刷',
 '不剩',
 '不功',
 '不加',
 '不动',
 '不卖',
 '不厌',
 '不厚',
 '不去',
 '不受',
 '不变',
 '不可',
 '不吃',
 '不合',
 '不吝',
 '不和',
 '不善',
 '不喜',
 '不回',
 '不困',
 '不在',
 '不均',
 '不坏',
 '不堪',
 '不复',
 '不多',
 '不够',
 '不夠',
 '不太好',
 '不失',
 '不失为',
 '不好受',
 '不好意思',
 '不好玩',
 '不妙',
 '不妥',
 '不孕',
 '不孝',
 '不安',
 '不完',
 '不宜',
 '不小',
 '不屈',
 '不屑',
 '不差',
 '不幸',
 '不应',
 '不开',
 '不弃',
 '不弱',
 '不强',
 '不得劲',
 '不得好死',
 '不忍',
 '不急',
 '不怪',
 '不息',
 '不悔',
 '不惜',
 '不想',
 '不愧',
 '不愧为',
 '不愿',
 '不慢',
 '不懂',
 '不懈',
 '不报',
 '不换',
 '不掉',
 '不放',
 '不敌',
 '不救',
 '不教',
 '不散',
 '不无',
 '不明',
 '不易',
 '不显',
 '不景气',
 '不服',
 '不朽',
 '不来',
 '不枉',
 '不死',
 '不毁',
 '不水',
 '不求',
 '不活',
 '不演',
 '不火',
 '不灭',
 '不灵',
 '不烂',
 '不烦',
 '不烧',
 '不熟',
 '不燃',
 '不爱',
 '不爽',
 '不犯',
 '不理',
 '不甘',
 '不生',
 '不用',
 '不由',
 '不畏',
 '不留',
 '不痛',
 '不白',
 '不看',
 '不着',
 '不知',
 '不破',
 '不硬',
 '不祥',
 '不离',
 '不稳',
 '不笑',
 '不符',
 '不算',
 '不糙',
 '不累',
 '不纯',
 '不给',
 '不缺',
 '不羁',
 '不美',
 '不耐烦',
 '不耻',
 '不聊',
 '不肯',
 '不胖',
 '不腻',
 '不良',
 '不落',
 '不虐',
 '不虚',
 '不行',
 '不装',
 '不见',
 '不解',
 '不计',
 '不认',
 '不讨',
 '不让',
 '不评',
 '不该',
 '不详',
 '不谈',
 '不谢',
 '不负',
 '不败',
 '不贵',
 '不费',
 '不赖',
 '不足',
 '不足以',
 '不躁',
 '不轻',
 '不进',
 '不违',
 '不迷',
 '不适',
 '不选',
 '不逊',
 '不通',
 '不造',
 '不過',
 '不配',
 '不酷',
 '不醒',
 '不重',
 '不錯',
 '不错',
 '不长',
 '不闷',
 '不闹',
 '不雷',
 '不露',
 '不靠',
 '不顺',
 '不顾',
 '不高',
 '丑恶',
 '丑爆',
 '丑陋',
 '专注',
 '专访',
 '丢下',
 '丢人',
 '丢到',
 '丢失',
 '丢弃',
 '丢掉',
 '丢脸',
 '丢进',
 '两拨',
 '严厉',
 '严密',
 '严峻',
 '严格',
 '严肃',
 '严苛',
 '严谨',
 '严重',
 '丧命',
 '丧失',
 '丧生',
 '丧病',
 '个人爱好',
 '个大',
 '个爽',
 '丰厚',
 '丰富',
 '丰沛',
 '丰满',
 '丰盈',
 '丰盛',
 '串到',
 '串成',
 '串接',
 '串烧',
 '串起',
 '串连',
 '临别',
 '临危',
 '临场感',
 '临摹',
 '临死',
 '临近',
 '为主',
 '为先',
 '为名',
 '为救',
 '为爱',
 '为生',
 '为辅',
 '为重',
 '为难',
 '为首',
 '主叫',
 '主宰',
 '主得',
 '主持',
 '主讲',
 '举办',
 '举动',
 '举手',
 '举报',
 '举止',
 '举起',
 '久违',
 '乏力',
 '乏味',
 '乐乐',
 '乐于',
 '乐得',
 '乐观',
 '乐视',
 '乐趣',
 '乖巧',
 '乖张',
 '乖戾',
 '乘坐',
 '习惯于',
 '买下',
 '买不到',
 '买不起',
 '买买',
 '买到',
 '买卖',
 '买好',
 '买得起',
 '买成',
 '买来',
 '买账',
 '买错',
 '乱世',
 '乱入',
 '乱写',
 '乱加',
 '乱发',
 '乱叫',
 '乱战',
 '乱打',
 '乱扯',
 '乱搞',
 '乱改',
 '乱来',
 '乱舞',
 '乱讲',
 '乱说',
 '乱跑',
 '乱造',
 '乱飞',
 '了上',
 '了下',
 '了不得',
 '了不起',
 '了为',
 '了买',
 '了了',
 '了于',
 '了以',
 '了会',
 '了倒',
 '了值',
 '了假',
 '了做',
 '了像',
 '了写',
 '了冲',
 '了减',
 '了出',
 '了分',
 '了别',
 '了到',
 '了刷',
 '了前',
 '了剧',
 '了加',
 '了卖',
 '了去',
 '了反',
 '了变',
 '了叫',
 '了吐',
 '了向',
 '了听',
 '了呆',
 '了和',
 '了哭',
 '了哮',
 '了啸',
 '了噜',
 '了回',
 '了坏',
 '了复',
 '了够',
 '了大',
 '了头',
 '了好',
 '了完',
 '了害',
 '了对',
 '了少',
 '了差',
 '了开',
 '了张',
 '了当',
 '了得',
 '了心',
 '了忘',
 '了快',
 '了念',
 '了怒',
 '了怪',
 '了恩',
 '了想',
 '了愿',
 '了成',
 '了手',
 '了打',
 '了扣',
 '了找',
 '了抖',
 '了拍',
 '了换',
 '了撑',
 '了放',
 '了有',
 '了来',
 '了欠',
 '了死',
 '了毁',
 '了比',
 '了求',
 '了没',
 '了泪',
 '了演',
 '了漫',
 '了灭',
 '了烂',
 '了然',
 '了爱',
 '了爽',
 '了版',
 '了生',
 '了用',
 '了留',
 '了略',
 '了白',
 '了直',
 '了看',
 '了睡',
 '了祝',
 '了票',
 '了穿',
 '了笑',
 '了等',
 '了算',
 '了结',
 '了给',
 '了能',
 '了致',
 '了苏',
 '了虐',
 '了行',
 '了补',
 '了装',
 '了要',
 '了视',
 '了解',
 '了触',
 '了言',
 '了让',
 '了讲',
 '了论',
 '了说',
 '了请',
 '了赞',
 '了车',
 '了过',
 '了近',
 '了违',
 '了连',
 '了选',
 '了长',
 '了门',
 '了非',
 '了靠',
 '了顾',
 '了额',
 '了高',
 '予以',
 '予死',
 '予演',
 '争取',
 '争吵',
 '争夺',
 '争执',
 '争论',
 '争辩',
 '争锋',
 '二愣子',
 '亏了',
 '亏得',
 '亏心',
 '亏欠',
 '亏死',
 '互助',
 '互打',
 '互损',
 '互换',
 '互換',
 '互殴',
 '互生',
 '互穿',
 '互虐',
 '互补',
 '些小',
 '亡命',
 '亢奋',
 '交互',
 '交出',
 '交到',
 '交叠',
 '交往',
 '交待',
 '交战',
 '交换',
 '交接',
 '交換',
 '交替',
 '交给',
 '交谈',
 '交足',
 '交错',
 '交集',
 '亦可',
 '产出',
 '享受',
 '享用',
 '亮丽',
 '亮出',
 '亮起',
 '亲切',
 '亲密',
 '亲测',
 '亲爱',
 '亵渎',
 '仅供',
 '仅凭',
 '仅剩',
 '仅存',
 '仅限',
 '仅靠',
 '仇杀',
 '介么',
 '介入',
 '介意',
 '介绍',
 '从事',
 '从到',
 '从容',
 '仓促',
 '仔细',
 '仗义',
 '付出',
 '付费',
 '付钱',
 '代替',
 '令人咋舌',
 '以待',
 '以求',
 '以示',
 '以致于',
 '仰头',
 '仰慕',
 '仰拍',
 '仰望',
 '仰视',
 '任意',
 '仿照',
 '仿若',
 '企及',
 '休假',
 '休息',
 '休闲',
 '优于',
 '优劣',
 '优异',
 '优秀',
 '优美',
 '优越',
 '优酷',
 '优雅',
 '会变',
 '伟大',
 '传出',
 '传到',
 '传唱',
 '传得',
 '传承',
 '传来',
 '传给',
 '传达',
 '传送',
 '传递',
 '传销',
 '传阅',
 '伤亡',
 '伤到',
 '伤及',
 '伤害',
 '伤悲',
 '伤痛',
 '伤透',
 '伪善',
 '伪装',
 '估摸',
 '估計',
 '估计',
 '伴奏',
 '伴有',
 '伴舞',
 '伴随',
 '伸出',
 '伸出手',
 '伸向',
 '伸手',
 '伺候',
 '位于',
 '位置',
 '低下',
 '低于',
 '低估',
 '低俗',
 '低到',
 '低劣',
 '低成',
 '低沉',
 '低能',
 '低落',
 '低调',
 '低贱',
 '低迷',
 '低配',
 '低龄化',
 '体现',
 '体能',
 '体谅',
 '何求',
 '何谈',
 '作不',
 '作作',
 '作出',
 '作到',
 '作去',
 '作呕',
 '作大',
 '作好',
 '作对',
 '作得',
 '作怪',
 '作恶',
 '作成',
 '作战',
 '作打',
 '作有',
 '作来',
 '作死',
 '作比',
 '作為',
 '作用',
 '作看',
 '作祟',
 '作笑',
 '作给',
 '作罢',
 '作能',
 '作要',
 '作让',
 '作证',
 '作赞',
 '作践',
 '作逼',
 '作陪',
 '佩戴',
 '佩服',
 '使出',
 '使劲',
 '使命',
 '使然',
 '使用',
 '例外',
 '例行',
 '供养',
 '依偎',
 '依恋',
 '依托',
 '依赖',
 '依附',
 '依靠',
 '侠大',
 '侠好',
 '侠要',
 '侥幸',
 '侦探',
 '侦查',
 '侦破',
 '侧漏',
 '侧重',
 '侮辱',
 '侵入',
 '侵占',
 '侵犯',
 '侵略',
 '侵蚀',
 '侵袭',
 '便宜',
 '便当',
 '便成',
 '便是',
 '便秘',
 '促使',
 '促成',
 '促进',
 '俊俏',
 '俊美',
 '俏皮',
 '俗世',
 '俗到',
 '俗烂',
 '俗称',
 '俗透',
 '俘获',
 '保住',
 '保佑',
 '保全',
 '保养',
 '保卫',
 '保命',
 '保存',
 '保守',
 '保护',
 '保持',
 '保有',
 '保洁',
 '保留',
 '保護',
 '保证',
 '保重',
 '保障',
 '信不信',
 '信奉',
 '俨然',
 '修为',
 '修养',
 '修复',
 '修好',
 '修得',
 '修成',
 '修改',
 '修来',
 '修炼',
 '修行',
 '修补',
 '修长',
 '修饰',
 '俯冲',
 '俯拍',
 '俯瞰',
 '俯视',
 '俱佳',
 '俱全',
 '倍受',
 '倍增',
 '倒下',
 '倒像',
 '倒叙',
 '倒吸',
 '倒塌',
 '倒好',
 '倒戈',
 '倒成',
 '倒扣',
 '倒斗',
 '倒流',
 '倒灌',
 '倒置',
 '倒胃',
 '倒腾',
 '倒贴',
 '倒转',
 '倒退',
 '倒闭',
 '倒霉',
 '倔强',
 '候选',
 '借助',
 '借来',
 '借用',
 '借鉴',
 '借钱',
 '倡导',
 '倦怠',
 '值会',
 '值分',
 '值回',
 '值当',
 '值得',
 '值得纪念',
 '值钱',
 '值高',
 '倾倒',
 '倾向',
 '倾听',
 '倾尽',
 '倾慕',
 '倾斜',
 '倾注',
 '倾泻',
 '倾诉',
 '假到',
 '假发',
 '假意',
 '假扮',
 '假死',
 '假笑',
 '偏低',
 '偏僻',
 '偏弱',
 '偏执',
 '偏激',
 '偏爱',
 '偏离',
 '偏袒',
 '偏要',
 '偏見',
 '偏见',
 '偏重',
 '偏高',
 '做不了',
 '做为',
 '做主',
 '做事',
 '做作',
 '做做',
 '做出',
 '做到',
 '做好',
 '做工',
 '做得好',
 '做戏',
 '做成',
 '做有',
 '做梦',
 '做法',
 '做爱',
 '做生意',
 '做起',
 '做足',
 '做错',
 '做饭',
 '停下',
 '停下来',
 '停不下',
 '停不下来',
 '停不住',
 '停住',
 '停停',
 '停在',
 '停歇',
 '停止',
 '停滞',
 '停电',
 '停留',
 '停车',
 '停过',
 '停顿',
 '健全',
 '健壮',
 '健康',
 '健忘',
 '健美',
 '健身',
 '偷师',
 '偷情',
 '偷懒',
 '偷拍',
 '偷来',
 '偷盗',
 '偷看',
 '偷窃',
 '偷窥',
 '偷笑',
 ...]

4.4 建模及预测

from sklearn.linear_model import LogisticRegression

lr_model = LogisticRegression(C=100)
lr_model.fit(X_train, y_train)

LogisticRegression(C=100, class_weight=None, dual=False, fit_intercept=True,
          intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,
          penalty='l2', random_state=None, solver='liblinear', tol=0.0001,
          verbose=0, warm_start=False)

from sklearn.metrics import roc_auc_score

predictions = lr_model.predict(X_test)
print('AUC: ', roc_auc_score(y_test, predictions))

AUC:  0.580560892439

5. 项目总结
This site is open source. Improve this page.