基于逻辑回归的分类预测

逻辑回归逻辑回归其实是一种分类模型,它是基于线性回归的一种回归算法预测。线性回归的形式一般为 y=ax+by=ax+by=ax+b,将y的结果代入一个非线性变换的sigmoid函数(形似s的函数)中sigmoid函数如下其结果就会被控制在0~1之间,可以设定一个阈值,在该阈值之上定为1,该阈值之下定为0,那么就实现了这个问题的二分类。...
摘要由CSDN通过智能技术生成

逻辑回归
逻辑回归其实是一种分类模型,它是基于线性回归的一种回归算法预测。
线性回归的形式一般为 y = a x + b y=ax+b y=ax+b,将y的结果代入一个非线性变换的sigmoid函数(形似s的函数)中
sigmoid函数如下
在这里插入图片描述

其结果就会被控制在0~1之间,可以设定一个阈值,在该阈值之上定为1,该阈值之下定为0,那么就实现了这个问题的二分类。

基于鸢尾花(iris)数据集的逻辑回归分类实践
函数库的导入

##  基础函数库
import numpy as np #
import pandas as pd

## 绘图函数库
import matplotlib.pyplot as plt
import seaborn as sns

四个特征变量分别为花萼长度、花萼宽度、花瓣长度、花瓣宽度。目标变量为鸢尾属下的三个亚属,分别是山鸢尾、变色鸢尾维吉尼亚鸢尾。通过对目标的四个特征变量的分析来对其进行分类。
数据读取/截入

##我们利用sklearn中自带的iris数据作为数据载入,并利用Pandas转化为DataFrame格式
from sklearn.datasets import load_iris
data = load_iris() #得到数据特征
iris_target = data.target #得到数据对应的标签
iris_features = pd.DataFrame(data=data.data, columns=data.feature_names) #利用Pandas转化为DataFrame格式

数据信息简单查看

##利用.info()查看数据的整体信息
iris_features.info()

##<class'pandas.core.frame.DataFrame'>
##RangeIndex:150entries,0to149
##Datacolumns(total4columns):
###ColumnNon-NullCountDtype
##----------------------------
##0sepallength(cm)150non-nullfloat64
##1sepalwidth(cm)150non-nullfloat64
##2petallength(cm)150non-nullfloat64
##3p
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值