sklearn實現邏輯回歸

2022-01-12 19:18:31 字數 990 閱讀 5290

首先我們來看下面一組資料集：

前面的x1與x2都表示的是年收入和年齡這兩個因素決定的是否買車的結果。

開始**部分，我們先輸入x和y的變數，開始輸入資料：

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]
擬合邏輯回歸模型：

lr=linear_model.logisticregression(solver='


liblinear


')#在新版的sklearn當中只需要指定後面的引數值就不會進行報錯啦！


lr.fit(x,y)
這個時候我們的模型已經擬合好了，現在可以開始進行輸出了，隨便用乙個資料來測試在這個模型下這個人是否買車，以及是否買車的概率：

textx=[[28,8]]


lable=lr.predict(textx)#


看它是否有車，1表示有
輸出：

array([1])
輸出為一，說明這個人已經買車了，下面是輸出概率：

#


現在輸出有車的概率


predict=lr.predict_proba(textx)


predict
輸出為：

array([[0.14694811, 0.85305189]])


#前面有兩個值，這是因為前面的乙個概率**為0的概率，後面的為概率**為1的概率
得解也，邏輯回歸模型的程式設計還是十分容易的啦

sklearn邏輯回歸

邏輯回歸自己的理解 1.對機器學習的認識 引用大牛的觀點 機器學習演算法沒有所謂的優劣，也沒有絕對的高效能，只有在特定場景 資料和特徵下更適合的機器學習演算法。2.機器學習應用方法 應用機器學習，千萬不要一上來就試圖做到完美，先做乙個基本的model出來，再進行後續的分析步驟，一步步提高。所謂後續步...

機器學習 邏輯回歸sklearn實現

encoding utf 8 author suns contact sunshuai0518 gmail.com time 2019 7 1 3 22 pm file logistic regression with sklearn.py desc from sklearn.model selec...

sklearn之邏輯回歸

邏輯回歸 import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import classification report 評估分類結果的指標 from sklearn import preprocessing ...