from sklearn.linear_model import LogisticRegression as LR
from sklearn.linear_model import RandomizedLogisticRegression as RLR
rlr=RLR() #建立随机逻辑回归模型,筛选变量
rlr.fit(x,y) #训练模型
rlr.get_support() #获取特征筛选结果
print(u'有效特征为:%s'%','.join(np.array(data.iloc[:,:8].columns)[rlr.get_support()]))
x=data[np.array(data.iloc[:,:8].columns)[rlr.get_support()]].as_matrix() #筛选好特征
lr=LR() #建立逻辑回归模型
lr.fit(x,y) #用筛选后的特征数据来训练模型
print(u'逻辑回归模型训练结束')
print(u'模型的平均正确率为:%s'%lr.score(x,y)) #给出模型的平均正确率
Scikit_Learn API :
sklearn.linear_model 广义线性模型
sklearn.linear_model.LogisticRegression Logistic 回归分类器
Methods: