我的机器学习--逻辑回归

---wzy---

已于 2023-09-10 20:35:50 修改

阅读量85

点赞数 1

文章标签：机器学习逻辑回归人工智能

于 2023-07-06 16:53:27 首次发布

本文链接：https://blog.csdn.net/jshgz8/article/details/131580470

版权

该文展示了如何利用Python的sklearn库中的LogisticRegression模型对鸢尾花数据集的第四列数据进行二分类和多分类任务。在二分类中，将目标变量2标记为1，其余为0；在多分类中，保留3个类别。模型训练后，分别预测测试集并输出预测结果和概率。

摘要由CSDN通过智能技术生成

1.二分类

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
iris=datasets.load_iris()
X=iris['data'][:,3:]
#原本的data有4列数据，只取最后一列
y=(iris['target']==2).astype(np.int)
#原本的target中只含有0，1，2，表示3种类别，将为2的标注为1，其余为0
lr=LogisticRegression()
lr.fit(X,y)
x_test=np.linspace(0,3,100).reshape(100,1)
y_pred=lr.predict(x_test)
print(y_pred)
"""
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]
"""
y_pro=lr.predict_proba(x_test)
print(y_pro)
"""
属于0和属于1的概率
[[9.99250016e-01 7.49984089e-04]
 [9.99144871e-01 8.55129018e-04]
 [9.99025000e-01 9.75000485e-04]
 [9.98888343e-01 1.11165677e-03]
 ........
"""

2.多分类

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.linear_model import LogisticRegression
iris=datasets.load_iris()
X=iris['data'][:,3:]
#原本的data有4列数据，只取最后一列
y=iris['target']
#原本的target中只含有0，1，2，表示3种类别
lr=LogisticRegression()
lr.fit(X,y)
x_test=np.linspace(0,3,100).reshape(100,1)
y_pred=lr.predict(x_test)
print(y_pred)
"""
[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2]
"""
y_pred_pro=lr.predict_proba(x_test)
print(y_pred_pro)
"""
属于0，1，2的概率
[[9.67660990e-01 3.23050060e-02 3.40043474e-05]
 [9.63252635e-01 3.67035398e-02 4.38250330e-05]
 [9.58268505e-01 4.16750483e-02 5.64468999e-05]
 [9.52640632e-01 4.72867156e-02 7.26528769e-05]
"""

3.评估

#返回一个0-1的数
lr.score(x_test,y_test)