sklearn实现逻辑回归

sklearn中包含了大量的优质的数据集,在你学习机器学习的过程中,你可以通过使用这些数据集实现出不同的模型,从而提高你的动手实践能力,同时这个过程也可以加深你对理论知识的理解和把握。

首先我们来看下面一组数据集:

 前面的x1与x2都表示的是年收入和年龄这两个因素决定的是否买车的结果。

开始代码部分,我们先输入x和y的变量,开始输入数据:

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]

拟合逻辑回归模型:

lr=linear_model.LogisticRegression(solver='liblinear')#在新版的sklearn当中只需要指定后面的参数值就不会进行报错啦!
lr.fit(X,Y)

这个时候我们的模型已经拟合好了,现在可以开始进行输出了,随便用一个数据来测试在这个模型下这个人是否买车,以及是否买车的概率:

textX=[[28,8]]
lable=lr.predict(textX)#看它是否有车,1表示有

输出:

array([1])

输出为一,说明这个人已经买车了,下面是输出概率:

#现在输出有车的概率
predict=lr.predict_proba(textX)<br>predict

输出为:

array([[0.14694811, 0.85305189]])<br>#前面有两个值,这是因为前面的一个概率预测为0的概率,后面的为概率预测为1的概率

得解也,逻辑回归模型的编程还是十分容易的啦

发表评论

电子邮件地址不会被公开。 必填项已用*标注