python逻辑回归预测_Python之逻辑回归模型来预测

建立一个逻辑回归模型来预测一个学生是否被录取。

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import os

path=‘data‘+os.sep+‘Logireg_data.txt‘

pdData=pd.read_csv(path,header=None,names=[‘Exam1‘,‘Exam2‘,‘Admitted‘])

pdData.head()

print(pdData.head())

print(pdData.shape)

positive=pdData[pdData[‘Admitted‘]==1]#定义正

nagative=pdData[pdData[‘Admitted‘]==0]#定义负

fig,ax=plt.subplots(figsize=(10,5))

ax.scatter(positive[‘Exam1‘],positive[‘Exam2‘],s=30,c=‘b‘,marker=‘o‘,label=‘Admitted‘)

ax.scatter(nagative[‘Exam1‘],nagative[‘Exam2‘],s=30,c=‘r‘,marker=‘x‘,label=‘not Admitted‘)

ax.legend()

ax.set_xlabel(‘Exam 1 score‘)

ax.set_ylabel(‘Exam 2 score‘)

plt.show()#画图

##实现算法 the logistics regression 目标建立一个分类器 设置阈值来判断录取结果

##sigmoid 函数

def sigmoid(z):

return 1/(1+np.exp(-z))

#画图

nums=np.arange(-10,10,step=1)

fig,ax=plt.subplots(figsize=(12,4))

ax.plot(nums,sigmoid(nums),‘r‘)#画图定义

plt.show()

#按照理论实现预测函数

def model(X,theta):

return sigmoid(np.dot(X,theta.T))

pdData.insert(0,‘ones‘,1)#插入一列

orig_data=pdData.as_matrix()

cols=orig_data.shape[1]

X=orig_data[:,0:cols-1]

y=orig_data[:,cols-1:cols]