机器学习之逻辑回归改善模型

逻辑回归用于分类，可以将任何数据变成0到1之间的数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

admissions = pd.read_csv("D:\\test\machineLearning\\admissions.csv")
plt.scatter(admissions["gpa"],admissions["admit"]) #效果不是很明显，意思是不同的gpa对应的录取与不录取的情况
plt.show()

#逻辑回归用于分类，可以将任何数据变成0到1之间的数据
def logic(x):
    return np.exp(x)/(np.exp(x)+1)

x=np.linspace(-6, 6, 50, dtype=float)#在-6和6之间取50个数
y=logic(x)
plt.plot(x,y)
plt.ylabel("Probality")
plt.show()

from sklearn.linear_model import LogisticRegression

log = LogisticRegression()
log.fit(admissions[["gpa"]], admissions["admit"])
#逻辑回归比线性回归多一个类别
#本函数是返回概率
pre_pro=log.predict_proba(admissions[["gpa"]])
plt.scatter(admissions["gpa"],pre_pro[:,1]) 
plt.show()

pre_pro=log.predict(admissions[["gpa"]])
plt.scatter(admissions["gpa"],pre_pro) #看它是属于0还是1
plt.show()