数据挖掘之逻辑回归练习

逻辑回归调用sklearn包使用步骤：    

(1) 导入模型。调用逻辑回归LogisticRegression()函数。

(2) fit()训练。调用fit(x,y)的方法来训练模型，其中x为数据的属性，y为所属类型。

(3) predict()预测。利用训练得到的模型对数据集进行预测，返回预测结果。

代码：

from sklearn.linear_model import LogisticRegression  #导入逻辑回归模型   
clf = LogisticRegression()  
print clf  
clf.fit(train_feature,label)  
predict['label'] = clf.predict(predict_feature)

结果：

LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,  
          intercept_scaling=1, max_iter=100, multi_class='ovr', n_jobs=1,  
          penalty='l2', random_state=None, solver='liblinear', tol=0.0001,  
          verbose=0, warm_start=False)  

参数解释：点击打开链接

https://blog.csdn.net/cherdw/article/details/54891073