自学机器学习之sklearn实现logistic回归

最近一段时间在一边看算法，边补数学，然后用程序来实现算法。这个方法挺有效，对于学习了
一段时间但是感觉还没有入门的人来说这是个比较好的方法。

对于sklearn实现算法，算是比教简单。直接导入模块，然后用数据来训练，然后用来预测。

下面用sklearn实现logistic回归：

因为logistic回归是一个二分类，所以这次使用的数据是乳腺癌的数据（sklearn自带数据）

from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression

breast_cancer = load_breast_cancer()
from sklearn.model_selection import train_test_split
# print(diabetes)

diabetes_x = breast_cancer.data
diabetes_y = breast_cancer.target
# print(diabetes_x)
# print(diabetes_y)


x_train,x_test,y_train,y_test =train_test_split(diabetes_x, diabetes_y, test_size=0.3)

log = LogisticRegression()
log.fit(x_train,y_train)

#
# print(log.predict(x_test))
# print(y_test)
count = 0
l = len(y_test)
print(l)
for i in range(l):
    if log.predict(x_test)[i]!=y_test[i]:
        count+=1
print(count)


print(1-count/l)#输出准确率