目标
在本实验室你可以:
- 使用scikit-learn训练逻辑回归模型。
数据集
让我们从之前的数据集开始。
import numpy as np
X = np.array([[0.5, 1.5], [1,1], [1.5, 0.5], [3, 0.5], [2, 2], [1, 2.5]])
y = np.array([0, 0, 0, 1, 1, 1])
拟合模型
下面的代码从scikit-learn导入逻辑回归模型。你可以通过调用fit函数对训练数据进行拟合。
from sklearn.linear_model import LogisticRegression
lr_model = LogisticRegression()
lr_model.fit(X, y)
做出预测
通过调用predict函数,您可以看到这个模型做出的预测
y_pred = lr_model.predict(X)
print("Prediction on training set:", y_pred)
计算及显示测量精度
您可以通过调用score函数来计算该模型的精确度。
print("Accuracy on training set:", lr_model.score(X, y))