sklearn 逻辑回归

from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()

lr.fit(X,Y) #训练数据 X是坐标 Y是标签
lr.predict(textX) #预测textX的label
lr.predict_proba(textX) #返回预测textX属于某标签的概率

例子：

#导入库
import matplotlib.pyplot as plt
from sklearn import linear_model
#设置训练集的点 和结果
X=[[20,3],[23,7],[31,10],[42,13],[50,7],[60,5]]
Y=[0,1,1,1,0,0]
#逻辑回归训练
lr=linear_model.LogisticRegression(solver='liblinear')
lr.fit(X,Y)
#设置测试点 输出测试数据的结果label
textX=[[28,8]]
lable=lr.predict(textX)
print(lable)
#输出概率
predict=lr.predict_proba(textX)
print(predict)

得到结果：

label：

[1]

predict：

[[0.14694811 0.85305189]]

画图：

#导入库
import matplotlib.pyplot as plt
from sklearn import linear_model
#设置训练集的点 和结果
X=[[20,3],[23,7],[31,10],[42,