python实现logistic_用python实现Logistic

print("花费的时间为:", time.time() - start_time)

plot_pr(0.6, precision, recall, "pos")

实验结果：

第0次测试的准确率为：0.81071

第1次测试的准确率为：0.79643

第2次测试的准确率为：0.79643

第3次测试的准确率为：0.80000

第4次测试的准确率为：0.80714

第5次测试的准确率为：0.81071

第6次测试的准确率为：0.75714

第7次测试的准确率为：0.78214

第8次测试的准确率为：0.78214

第9次测试的准确率为：0.81429

precision recall f1-score support

neg 0.84 0.79 0.81 145

pos 0.79 0.84 0.81 135

avg / total 0.82 0.81 0.81 280

平均精度率为: 0.795714285714

花费时间为: 12.1490001678

通过上图可以看出，如果选择的阈值过低，那么更多的测试样本都将分为1类，因此召回率得到提升，但是要牺牲相应的准确率。 注意precision_recall_curve()方法中的thresholds中的阈值是逐渐增大的，对应到图像是就会，x轴从左到右对应的阈值是逐渐减小的。

# -*- encoding:utf-8 -*-

import matplotlib.pyplot as plt

from matplotlib import animation

import numpy as np

#加载数据集

def loadDataSet():

'''

:return: 输入向量矩阵和输出向量

'''

dataMat=[]

labelMat=[]

fr=open('test.txt','r')#一共有三列，每一列为x1,x2,Y

for line in fr.readlines():

lineArr=line.strip().split('##')

#注意在这里将字符串转换成float型的时候总是遇到问题

#感觉每一行的开头存在其他字符，所以我们多添加了一列"##"分隔符，是的第一个有效数字从第二个开始