Logistic regression (逻辑回归)算法代码实战(二)

本文介绍如何使用Python的Logistic Regression对鸢尾花数据集进行分类。内容包括数据导入、类型转化、数据划分、模型训练以及性能评估,通过Pipeline实现标准化、PCA降维和逻辑回归。模型在训练集上的准确率为0.689,讨论了模型改进的方向。
摘要由CSDN通过智能技术生成

上一篇文章详细说明了逻辑斯蒂回归模型的原理,这篇文章中,我将用python通过该算法来实现对鸢尾花数据集的分类。
1、首先导入三大件

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
from sklearn import metrics

2、读取数据

import os
path = 'data' + os.sep + 'iris_data.csv'#数据集的路径,我这里取的是相对路径
Data = pd.read_csv(path, header=None)
Data.head()

评论 1
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