比如，現在要解決這樣乙個問題。現在有5組資料，已知有乙個20歲年收入3w的人不會買車，有乙個23歲年收入7w的人會買車，有乙個31歲年收入10w的人會買車，有乙個50歲年收入7w的人不會買車，有乙個60歲年收入5w的人不會買車，試求乙個28歲年收入8w的人，買車的概率是多少？
我們用sklearn庫中的linear_model可以很容易的得到答案
**實現過程如下：
from sklearn import linear_model
x =[[20
,3],
[23,7
],[31
,10],
[42,13
],[50
,7],
[60,5
]]y =[0,
1,1,
1,0,
0]lr = linear_model.logisticregression(
)lr.fit(x,y)
testx =[[
28,8]
]testy = lr.predict(testx)
prob = lr.predict_proba(testx)
print
(prob)
其中0.1469是結果為0的概率（也就是不會買車的概率），會買車的概率為0.853
機器學習中的邏輯回歸
本文參考了bin的專欄和李航 統計學習方法 線性回歸因為它的簡單，易用，且可以求出閉合解，被廣泛地運用在各種機器學習應用中。事實上，除了單獨使用，線性回歸也是很多其他演算法的組成部分。線性回歸的缺點也是很明顯的，因為線性回歸是輸入到輸出的線性變換，擬合能力有限 另外，線性回歸的目標值是 而有的時候，...
機器學習 邏輯回歸
邏輯回歸 線性回歸的式子，作為邏輯回歸的輸入 適用場景 二分類 線性回歸的輸入 sigmoid函式 分類 0,1 概率值 計算公式 當目標值為1時 損失函式的變化 當目標值為0時 損失函式的變化 下面用乙個例項來說明邏輯回歸的用法 癌症概率 部分資料的截圖如下 資料描述 699條樣本，供11列資料，...
機器學習 邏輯回歸
coding utf 8 import pandas as pd import seaborn as sns from sklearn.model selection import train test split import matplotlib.pyplot as plt 用於畫圖 from ...