1.1目标

使用 scikit-learn 培训 Logit模型模型。

1.2数据集
import numpy as np X = np.array([[0.5, 1.5], [1,1], [1.5, 0.5], [3, 0.5], [2,
2], [1, 2.5]]) y = np.array([0, 0, 0, 1, 1, 1])
1.3Fit模型

下面的代码导入了 scikit-learn 的 Logit模型模型。您可以通过调用 fit 函数将此模型适合于训练数据。
from sklearn.linear_model import LogisticRegression lr_model =
LogisticRegression() lr_model.fit(X, y)
输出:
LogisticRegression(C=1.0, 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)
1.4预测

通过调用预测函数,您可以看到这个模型所做的预测。
y_pred = lr_model.predict(X) print("Prediction on training set:", y_pred)
输出:
Prediction on training set: [1 1 1 1 1 1]
1.5计算准确度

您可以通过调用 score 函数来计算这个模型的精度。
print("Accuracy on training set:", lr_model.score(X, y))
输出:
Accuracy on training set: 0.5

技术
下载桌面版
GitHub
百度网盘(提取码:draw)
Gitee
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:[email protected]
QQ群:766591547
关注微信